समानांतर वेवगैन वोकोडर

पैरेलल वेवगैन एक तेज़ न्यूरल वोकोडर है जो एक छोटे GAN का उपयोग करके एक मेल-स्पेक्ट्रोग्राम को एक कच्चे ऑडियो तरंग में बदल देता है, जिससे एक ही बार में सभी नमूने तैयार हो जाते हैं। यह मायने रखता है क्योंकि यह एक कॉम्पैक्ट मॉडल के साथ लगभग वास्तविक समय, उच्च गुणवत्ता वाला भाषण देता है।

वोकोडर अंतिम टीटीएस चरण है जो मेल-स्पेक्ट्रोग्राम जैसी ध्वनिक विशेषताओं से वास्तविक ध्वनि तरंग को संश्लेषित करता है।

पैरेलल वेवगैन गैर-ऑटोरेग्रेसिव है, जो सैंपल दर सैंपल के बजाय एक ही बार में संपूर्ण तरंग उत्पन्न करता है, जो इसे बहुत तेज़ बनाता है।

यह एक प्रतिकूल हानि को बहु-रिज़ॉल्यूशन वाले एसटीएफटी हानि के साथ जोड़ता है जो कई पैमानों पर स्पेक्ट्रोग्राम परिमाण की तुलना करता है।

जनरेटर एक वेवनेट-जैसा नेटवर्क है जो मेल-स्पेक्ट्रोग्राम और शोर पर वातानुकूलित, विस्तारित कनवल्शन से बनाया गया है।

लगभग 1.4 मिलियन मापदंडों के साथ यह छोटा है और वास्तविक समय की तुलना में कई गुना तेज चलता है, जो ऑन-डिवाइस उपयोग के लिए आदर्श है।