Il prossimoProssima guida
Rilevamento deepfake audio
IA audio
GUIDA AI audio
WaveNet is an autoregressive model for raw audio waveforms.
Ascolta questa guidaNarrato dall'IA · ~1 min
Its original paper describes causal dilated convolutions, a categorical distribution over quantized samples, and conditional speech generation from linguistic and speaker features.
WaveNet generates raw audio one sample at a time. The original paper uses causal dilated convolutions and an 8-bit µ-law representation with a categorical distribution over 256 possible values. In conditional speech synthesis, linguistic and speaker features can condition the waveform generation. The paper reports results in its own speech and music experiments; it does not establish current product adoption or universal use in accessibility, singing or music generation.
Modeling waveform samples sequentially using prior samples as context.
Using causal dilated convolutions to expand receptive field.
Predicting a categorical distribution over 256 µ-law-quantized sample values.
Generating speech waveforms conditioned on linguistic and speaker features in the paper’s TTS setup.
Evaluate the original model on the intended audio task and hardware. Later systems such as parallel or recurrent vocoders require their own primary-source evidence; do not infer a current product roadmap from the WaveNet paper.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
WaveNet is an autoregressive model for raw audio waveforms. Its original paper describes causal dilated convolutions, a categorical distribution over quantized samples, and conditional speech generation from linguistic and speaker features.
WaveNet è autoregressivo: prevede ogni campione audio in base ai campioni precedenti.
Le convoluzioni causali dilatate consentono alla rete di coprire migliaia di campioni passati in modo efficiente guardando solo indietro nel tempo.
Il documento WaveNet originale utilizza la compressione della legge µ a 8 bit e prevede una distribuzione categorica su 256 valori audio quantizzati ad ogni passaggio.
Poiché ogni campione dipende dai precedenti, la generazione è stata sequenziale e quindi lenta, motivando Parallel WaveNet e altri successori.
Il documento WaveNet utilizza un WaveNet condizionale per generare forme d'onda del parlato grezzo da caratteristiche linguistiche e di condizionamento del parlante; non rende lo spettrogramma l'output finale.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Rilevamento deepfake audio
IA audio