Nchịkọta
HiFi-GAN bụ ụda olu na-eme ka onye iro na-atụgharị mel-spectrogram ka ọ bụrụ usoro ebili mmiri na-adịghị ahụkebe ihe fọrọ nke nta ka ọ bụrụ ozugbo, na-emepụta okwu dị mma nke studio ngwa ngwa karịa ozugbo. Ọ ghọrọ ọkwa ikpeazụ n'ọkwa ikpeazụ nke ederede gaa n'okwu n'ihi na ọ na-adị ngwa ngwa, dị fechaa, na nke siri ike ịmata ọdịiche dị na ihe ndekọ dị adị.
HiFi-GAN na GAN Vocoders na-anọdụ na ụda-AI workflows na-agbanwe okwu, egwu, na ụda maka nkwurịta okwu, nnweta, na mmepụta mgbasa ozi.
Ime miri emi
Vocoder bụ nzọụkwụ ikpeazụ n'ime ọtụtụ pipeline TTS: ihe nlereanya dị ka Tacotron ma ọ bụ FastSpeech na-ebu amụma mel-spectrogram (eserese foto nke ugboro ugboro n'oge), na ụda olu na-ejupụta n'ezie ụdị ebili mmiri. Vocoders mbụ akwara dị ka WaveNet dara ụda nke ukwuu mana emepụtara ihe onyonyo site na nlele, na-eme ka ha dị nwayọ nwayọ. HiFi-GAN, nke Kong, Kim na Bae weputara na 2020, jiri otu onye na-ebunye ihe na-ebuga azụ azụ azụ n'agha dochie akaghị aka ahụ. Ihe aghụghọ ya bụ iji ọtụtụ ịkpa ókè na-ekpe ikpe ọdịyo n'ụdị dị iche iche na usoro oge dị iche iche, na-amanye onye na-emepụta ọkụ ka ọ nweta ma ọdịdị dị mma na oge pitch ziri ezi. Nsonaazụ bụ okwu 22 kHz chịkọtara ọtụtụ narị ugboro ngwa ngwa karịa ezigbo oge na GPU, yana ọdịyo na-ama nke ọma n'ala-eziokwu.
Nghọta nka nka
Onye na-emepụta ihe nke HiFi-GAN na-ebuli mel-spectrogram ahụ site na ntụgharị ntụgharị, yana ihe mgbochi Multi-Receptive Field nke na-agwakọta nha kernel dị iche iche na dilation iji weghara usoro ebili mmiri dị iche iche. Ezinụlọ abụọ na-akpa oke na-eme ndị uwe ojii: Onye ịkpa oke oge dị iche iche na-emegharị akara ngosi 1D n'ime grids 2D na primes dị ka 2, 3, 5, 7, 11 iji jide oge oge, na onye na-akpa ókè ọtụtụ na-enyocha ebili mmiri n'ọtụtụ mkpebi ala. Mel-spectrogram na mfu dakọtara na-eme ka ọzụzụ ahụ kwụsie ike.
Ịkụzi HiFi-GAN na GAN Vocoders
HiFi-GAN bụ ụda olu na-eme ka onye iro na-atụgharị mel-spectrogram ka ọ bụrụ usoro ebili mmiri na-adịghị ahụkebe ihe fọrọ nke nta ka ọ bụrụ ozugbo, na-emepụta okwu dị mma nke studio ngwa ngwa karịa ozugbo. Ọ ghọrọ ọkwa ikpeazụ n'ọkwa ikpeazụ nke ederede gaa n'okwu n'ihi na ọ na-adị ngwa ngwa, dị fechaa, na nke siri ike ịmata ọdịiche dị na ihe ndekọ dị adị. HiFi-GAN na GAN Vocoders na-anọdụ na ụda-AI workflows na-agbanwe okwu, egwu, na ụda maka nkwurịta okwu, nnweta, na mmepụta mgbasa ozi. Iji wulite nghọta miri emi, na-emeso HiFi-GAN na GAN Vocoders dị ka ihe nlereanya na-arụ ọrụ, ọ bụghị otu njirimara: kọwaa nsonaazụ achọrọ, dokwuo anya echiche, ma kewaa ihe sistemụ nwere ike ime nke ọma na ihe ka na-achọ mkpebi ndị ọkachamara.
Na omume, ndị otu siri ike na-eji HiFi-GAN na GAN Vocoders na-ewere ịdịmma, latency, na nkwenye dị ka akụkụ dị mkpa nke atụmatụ mbughari. Ha na-edepụta njirisi ịga nke ọma nke ọma, nwalee megide data ziri ezi yana usoro ọrụ, yana na-atụgharị dabere na usoro ọdịda ahụrụ karịa karịa mmeri otu oge. Nke a bụ ebe nghọta usoro ihe atụ na-atụgharị ghọọ ike na-adịgide adịgide n'ofe ngwaahịa, amụma na arụmọrụ.
Ọ na-eme ka nnweta ya dịkwuo mma site na ndegharị, ịkọ akụkọ, na ntụgharị olu. N'otu oge ahụ, iji olu eme ihe n'ụzọ na-ezighị ezi na ihe egwu mpụta ga-abawanye mgbe nkwenye na-efu. Ụzọ kachasị na-agbanwe agbanwe bụ ijikọ ọsọ nnwale na ịdọ aka ná ntị ọchịchị: ndị na-anya ụgbọ elu, ijide ihe akaebe, bipụta ndekọ mkpebi, na na-aga n'ihu na-emelite nchekwa dị ka omume nlereanya, atụmanya ndị ọrụ, na ihe iwu chọrọ.
Mmetụta atụmatụ
Ọ na-eme ka nnweta ya dịkwuo mma site na ndegharị, ịkọ akụkọ, na ntụgharị olu.
Ọ na-eme ka nnweta ya dịkwuo mma site na ndegharị, ịkọ akụkọ, na ntụgharị olu. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Ndị otu mgbasa ozi nwere ike ibubata ọdịyo a na-egbu maramara ngwa ngwa site na iji obere mmefu ego.
Ndị otu mgbasa ozi nwere ike ibubata ọdịyo a na-egbu maramara ngwa ngwa site na iji obere mmefu ego. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Sistemụ na-eche ihu ndị ahịa nwere ike hazie mkparịta ụka n'ọtụtụ buru ibu.
Sistemụ na-eche ihu ndị ahịa nwere ike hazie mkparịta ụka n'ọtụtụ buru ibu. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Mmejuputa n'ezie n'ụwa
Na-emepụta mmepụta okwu nke ndị enyemaka mebere na ngwa nsoroụzọ chọrọ nzaghachi na-enweghị igbu oge.
Na-eme ka mmechi olu na-eme ihe n'ezie na ntinye akwụkwọ ebe a na-atụgharị mel-spectrogram cloned ka ọ bụrụ ọdịyo na-ada ụda.
Akwụkwọ ọdịyo na nyiwe ịkọ akụkọ pọdkastị na-emepụta awa okwu ọsọ ọsọ na ọnụ ala.
Na-eje ozi dị ka ogbo a na-efegharị efegharị n'ime ndị na-emepụta ụda olu na ngosi egwu site na ụdị ụda olu ụwa niile nke BigVGAN.
Usoro mmejuputa
HiFi-GAN na GAN Vocoders na omume
Na-emepụta mmepụta okwu nke ndị enyemaka mebere na ngwa nsoroụzọ chọrọ nzaghachi na-enweghị igbu oge.
Ịmepụta mmepụta okwu nke ndị enyemaka mebere na ngwa ịnyagharị chọrọ nzaghachi na-enweghị oge a na-anụ, otu na-enwetakwa nsonaazụ kacha mma mgbe ha na-akọwapụta ọnụ ụzọ dị mma n'ihu, na-edebe ụzọ ịrị elu mmadụ maka ikpe ikpe, ma soro ma uru nrụpụta na ụgwọ njehie n'ime oge.
HiFi-GAN na GAN Vocoders na omume
Na-eme ka mmechi olu na-eme ihe n'ezie na ntinye akwụkwọ ebe a na-atụgharị mel-spectrogram cloned ka ọ bụrụ ọdịyo na-ada ụda.
Ịkwado ngwa ngwa ụda olu na ntinye akwụkwọ ebe a na-emepụta mel-spectrogram nke cloned ka ọ bụrụ ụda olu na-ada ụda na-enwetakarị nsonaazụ ka mma ma ọ bụrụ na ha akọwapụta ọnụ ụzọ dị mma n'ihu, na-eme ka ụzọ mmadụ dịkwuo elu maka ikpe ikpe, ma soro ma uru mmepụta na ụgwọ njehie na oge.
HiFi-GAN na GAN Vocoders na omume
Akwụkwọ ọdịyo na nyiwe ịkọ akụkọ pọdkastị na-emepụta awa okwu ọsọ ọsọ na ọnụ ala.
Ịkwọ ụgbọ ala audiobook na pọdkastị akụkọ nke na-emepụta awa nke ikwu okwu ngwa ngwa na ọnụ ala Otu dị iche iche na-enwetakarị nsonaazụ ka mma mgbe ha na-akọwapụta ọnụ ụzọ dị mma n'ihu, na-edebe ụzọ ịrị elu mmadụ maka ikpe ikpe, ma soro ma uru nrụpụta yana ụgwọ njehie n'ime oge.
HiFi-GAN na GAN Vocoders na omume
Na-eje ozi dị ka ogbo a na-efegharị efegharị n'ime ndị na-emepụta ụda olu na ngosi egwu site na ụdị ụda olu ụwa niile nke BigVGAN.
Na-eje ozi dị ka ọkwa na-efegharị efegharị n'ime ndị na-emepụta ụda olu na ngosi egwu site na BigVGAN-style universal vocoders Otu dị iche iche na-enwetakarị nsonaazụ ka mma mgbe ha na-akọwapụta ọnụ ụzọ dị mma n'ihu, na-eme ka ụzọ mmadụ dịkwuo elu maka ikpe ikpe, ma soro ma uru mmepụta na ụgwọ njehie na oge.
Ihe ize ndụ & okporo ụzọ nche
Iji olu eme ihe na ihe egwu mpụta ga-abawanye mgbe nkwenye na-efu.
Izi ezi nwere ike ịdaba n'ofe ụda olu, olumba ma ọ bụ gburugburu mkpọtụ.
Enwere ike imehie ọdịyo sịntetik dị ka ezigbo okwu na-enweghị akara doro anya.
Map mmejuputa
Nweta nkwenye doro anya maka ijide olu, imechi, na ijigharị.
Nweta nkwenye doro anya maka ijide olu, imechi, na ijigharị. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Nwale ogo n'ofe ndị na-ekwu okwu dị iche iche yana ọnọdụ ndabere.
Nwale ogo n'ofe ndị na-ekwu okwu dị iche iche yana ọnọdụ ndabere. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Kọwaa mgbe mmadụ ga-enyocha ma ọ bụ kwado nsonye.
Kọwaa mgbe mmadụ ga-enyocha ma ọ bụ kwado nsonye. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Deba aha ọdịyo sịntetik ma debe ndekọ ihe ndekọ maka ịza ajụjụ.
Deba aha ọdịyo sịntetik ma debe ndekọ ihe ndekọ maka ịza ajụjụ. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.