डिफ़वेव डिफ्यूज़न वोकोडर

डिफ़वेव एक प्रसार-आधारित वोकोडर है जो एक मेल-स्पेक्ट्रोग्राम पर वातानुकूलित, यादृच्छिक शोर को तरंग रूप में पुनरावृत्त रूप से निरूपित करके ऑडियो को संश्लेषित करता है। इसने उच्च-निष्ठा वाले भाषण में प्रसार मॉडल लाए, बिना किसी प्रतिकूल प्रशिक्षण के जीएएन और वेवनेट को टक्कर दी।

डिफ़वेव गॉसियन शोर से शुरू होता है और तरंग-रूप उत्पन्न करने के लिए, मेल-स्पेक्ट्रोग्राम पर वातानुकूलित रहते हुए बार-बार निरूपित करते हुए, रिवर्स प्रसार प्रक्रिया चलाता है।

डिफवेव एक भारित L2 हानि का उपयोग करके यादृच्छिक रूप से चुने गए प्रसार चरण में जोड़े गए गॉसियन शोर की भविष्यवाणी करने के लिए एक नेटवर्क को प्रशिक्षित करता है।

अनुभवहीन प्रसार नमूने के लिए कई विपरीत चरणों की आवश्यकता होती है; हालाँकि तेज़ शेड्यूल मदद करता है, पुनरावृत्त प्रक्रिया मुख्य गति लागत है।

प्रसार मॉडल को एक स्थिर प्रतिगमन-शैली उद्देश्य के साथ प्रशिक्षित किया जाता है, जो प्रतिकूल जीएएन प्रशिक्षण से होने वाली अस्थिरता को दूर करता है।

डिफवेव, वेवनेट के समान विस्तारित कनवल्शन की एक गैर-ऑटोरेग्रेसिव रीढ़ का उपयोग करता है, लेकिन यह ऑडियो नमूनों के बजाय शोर की भविष्यवाणी करता है।