ويف نت
كانت WaveNet، التي قدمتها DeepMind في عام 2016، عبارة عن شبكة عصبية متطورة تولد عينة صوتية خام واحدة في كل مرة، وتنتج كلامًا وموسيقى طبيعية بشكل لافت للنظر.
نظرة عامة
وضع المعيار الحديث لتحويل النص إلى كلام عالي الدقة.
الغوص العميق
WaveNet هو نموذج توليدي انحداري ذاتي: فهو يتنبأ بكل عينة صوتية مشروطة بجميع العينات التي تسبقها، عادةً عند 16000 أو 24000 عينة في الثانية. ابتكارها الأساسي هو كومة من التلافيف السببية المتوسعة. السببية تعني أن النموذج ينظر إلى الوراء فقط في الوقت المناسب، مع الحفاظ على نظام الأجيال؛ ويعني التمدد أن كل طبقة تتخطى عددًا متزايدًا من العينات، لذا فإن مجموعة متواضعة تغطي آلاف العينات (مجال استقبال واسع) دون تكلفة باهظة. مشروطًا بالميزات اللغوية أو مخطط طيفي ميل، تنتج WaveNet كلامًا أكثر طبيعية بكثير من المشفرات الصوتية المتسلسلة والمعلمية التي سبقتها، مما أدى إلى سد الكثير من الفجوة في التسجيلات البشرية وتشغيل الإصدارات المبكرة من Google Assistant.
البصيرة الفنية
إن الالتفافات المتوسعة هي الخدعة الأساسية: مع معدلات تمدد تبلغ 1، 2، 4، 8، وما إلى ذلك، يمكن لشبكة من عشرات الطبقات فقط أن تعتني بآلاف العينات السابقة، وتلتقط كلاً من تفاصيل الشكل الموجي الدقيقة والبنية العروضية الأطول. تصمم المخرجات قيمة كل عينة كتوزيع فئوي (في الأصل 256 مستوى عبر نظام mu-law companding)، ووحدات التنشيط المسورة بالإضافة إلى الاتصالات المتبقية والتخطي تعمل على تثبيت تدريب هذه المكدس العميق جدًا.
التأثير الاستراتيجي
الوصول والوصول
يعمل على تحسين إمكانية الوصول من خلال واجهات النسخ والسرد والصوت.
التكلفة والميزانية
يمكن للفرق الإعلامية شحن الصوت المصقول بشكل أسرع بميزانيات أصغر.
السرعة والحجم
يمكن للأنظمة التي تواجه العملاء معالجة التفاعلات المنطوقة على نطاق أوسع.
مستقبل WaveNet
كانت WaveNet الأصلية بطيئة لأن أخذ العينات كان متسلسلاً. أصلح الخلفاء هذه المشكلة: أتاحت Parallel WaveNet وWaveRNN التوليف في الوقت الفعلي، ولاحقًا، قامت المشفرات الصوتية القائمة على التدفق وGAN مثل WaveGlow وHiFi-GAN، بالإضافة إلى المشفرات الصوتية المنتشرة، بتعزيز الجودة والسرعة بشكل أكبر. إن أفكار WaveNet ذات الانحدار الذاتي والالتواء المتوسع تعيش في هذه الأنظمة وتؤثر في البنى بشكل يتجاوز الصوت، مما يعزز إرثها في النمذجة التوليدية.
التنفيذ في العالم الحقيقي
إنشاء أصوات طبيعية لـ Google المساعد وGoogle تحويل النص إلى كلام عبر السحابة
يعمل كمشفر صوتي عصبي يحول مخططات طيفية الميل إلى أشكال موجية في خطوط أنابيب تحويل النص إلى كلام (TTS) مثل Tacotron 2
تجميع البيانو الواقعي وموسيقى الآلات من الصوت الخام
التوليف الصوتي لأدوات إمكانية الوصول وسرد الكتب الصوتية
المخاطر والدرابزين
تزداد مخاطر إساءة استخدام الصوت وانتحال الشخصية عند فقدان الموافقة.
يمكن أن تنخفض الدقة عبر اللهجات أو اللهجات أو البيئات الصاخبة.
يمكن الخلط بين الصوت الاصطناعي والكلام الأصيل دون تصنيف واضح.
خارطة طريق التنفيذ
الحصول على موافقة صريحة لالتقاط الصوت واستنساخه وإعادة استخدامه.
اختبار الجودة عبر مكبرات الصوت المتنوعة وظروف الخلفية.
تحديد متى يجب على الإنسان مراجعة المخرجات أو الموافقة عليها.
قم بتسمية الصوت الاصطناعي واحتفظ بسجلات المصدر للمساءلة.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the WaveNet quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
كشف التزييف العميق للصوت
الأسئلة المتداولة
ما هو WaveNet؟
كانت WaveNet، التي قدمتها DeepMind في عام 2016، عبارة عن شبكة عصبية متطورة تولد عينة صوتية خام واحدة في كل مرة، وتنتج كلامًا وموسيقى طبيعية بشكل لافت للنظر. لقد وضع المعيار الحديث لتحويل النص إلى كلام عالي الدقة.
كيف تقوم WaveNet بتوليد الصوت؟
WaveNet هو نظام انحدار ذاتي: فهو يتنبأ بكل عينة صوتية بناءً على العينات التي سبقتها.
ما هو الابتكار التلافيفي الرئيسي في WaveNet؟
تتيح التلافيف السببية المتوسعة للشبكة تغطية آلاف العينات السابقة بكفاءة بينما تنظر فقط إلى الوراء في الوقت المناسب.
لماذا يساعد التمدد WaveNet؟
تعطي معدلات التمدد المتزايدة بشكل كبير مجالًا استقباليًا واسعًا على آلاف العينات ذات طبقات قليلة نسبيًا.
ما هو العيب العملي الرئيسي لـ WaveNet الأصلي؟
ولأن كل عينة تعتمد على العينات السابقة لها، كان التوليد متسلسلًا وبالتالي بطيئًا، مما حفز Parallel WaveNet والخلفاء الآخرين.
في مسار تحويل النص إلى كلام، غالبًا ما تعمل WaveNet كماذا؟
يمكن لـ WaveNet أن تأخذ مخططًا طيفيًا ميليًا (على سبيل المثال، من Tacotron 2) وتنتج الشكل الموجي النهائي الذي يبدو طبيعيًا.