Codka-dhaliyaha MelGAN
MelGAN waa cod-qaade ku salaysan GAN oo si buuxda u kontoroolida kaasoo u beddela mel-spectrograms qaab-muqaalo maqal ah oo cayriin ah hal baas hore oo degdeg ah.
Dulmar
It mattered because it proved high-quality, non-autoregressive speech synthesis could run hundreds of times faster than real time on a GPU.
quusid qoto dheer
MelGAN, oo uu soo bandhigay Kumar et al. sanadka 2019, waxa ay soo saartaa maqal la'aanteed gaabiska muunad-tusaale loop isticmaalo WaveNet. Koronto-dhaliyeheedu waa isku-dhafan isku-dhafan oo kor u qaadaya mel-spectrogram (sida caadiga ah 80 xargaha soo noqnoqda) ilaa heerka muunadda maqalka, oo leh baloogyada haraaga ah ee isticmaalaya is-afgaranwaa fidsan si loo ballaariyo goobta soo-dhowaynta. Hal-abuurka muhiimka ah waxa uu ahaa tababbarka takoorayaal badan oo ku shaqeeya cabbirro maqal oo kala duwan (waveform-kii asalka ahaa oo lagu daray noocyo hoos loo dhigay), mid kastaa wuxuu eegayaa daaqadaha is dulsaaran. Khasaare isbarbar-dhigaa wuxuu isbarbar dhigayaa dhaq-dhaqaaqyada takoorka ee u dhexeeya maqalka dhabta ah iyo kuwa been abuurka ah, xasilinta tababarka GAN. Qaabku waa mid aad u yar marka loo eego halbeegyada maqalka neural-ka wuxuuna ku shaqeeyaa si ka dhakhso badan wakhtiga dhabta ah xitaa CPU, taasoo ka dhigaysa mid wax ku ool u ah qoraalka-ku-hadalka-qalabka.
Aragtida Farsamada
Takoorka cabbirka badan ee MelGAN wuxuu adeegsadaa saddex shabakadood oo isku mid ah oo eegaya codka dhammaystiran, nus, iyo xallin rubuc, qaab-dhismeedka kasta oo soo noqnoqda oo kala duwan. Muhiimad ahaan, MelGAN waxay ku tiirsan tahay luminta sifada u dhiganta ( masaafada L1 ee udhaxaysa maabka muuqaalka midabtakoor ee maqalka dhabta ah vs. codka la sameeyay) halkii ay ka ahaan lahayd khasaare dib-u-dhis ah oo muuqaal ah, kaas oo ku dhiirigeliya koronto-dhaliye inuu u dhigmo lakabka tirakoobka maqalka dhabta ah.
Saamaynta Istiraatijiyadeed
Helitaanka iyo gaarsiinta
Waxay wanaajisaa marin u helida iyada oo loo marayo qoraal-qorid, sheeko, iyo is-dhexgalyo cod.
Qiimaha iyo miisaaniyada
Kooxaha warbaahintu waxay ku soo rari karaan codka sifaysan si degdeg ah iyagoo wata miisaaniyado yaryar.
Xawaaraha iyo miisaanka
Nidaamyada u jeedda macmiisha waxay ka baaraandegi karaan isdhexgalka hadalka si weyn.
Mustaqbalka MelGAN Generative Vocoder
MelGAN wuxuu dhalay qoyska GAN vocoders. Ku-xigeenadoodii, HiFi-GAN iyo UnivNet, waxay xajiyeen habka degdega ah ee aan madaxbannaanida lahayn, laakiin waxay ku dareen dhowr-xilliyeed iyo kala-soocayaal xallinta badan ee nadiifinta soo noqnoqoshada sare. Nashqaddu waxay ku dhex nooshahay aaladda iyo qulqulka TTS halkaas oo latency iyo qaabka cabbirka cabbirka, iyo fikradihiisa takooriddu ay sii wadaan inay saameeyaan codecs neural codecs iyo hababka jiilka muusigga halkaasoo tababarka iska soo horjeeda ay hagaajiso tayada garashada.
Dhaqangelinta Adduunka-dhabta ah
Qoraal-ku-hadalka-qalabka ee kaaliyeyaasha mobaylka halkaas oo cod-yaqaan yar oo degdeg ah uu ka fogaado safarrada wareega ee daruuraha
Dhuumaha beddelka codka ee waqtiga-dhabta ah ee u beddela mel-spectrogram kan hadlaya cod bartilmaameed leh
Qalabka ciyaarta iyo animation-ka ee soo saara wada-hadalka dabeecadda ee ka yimaadda spectrogram-yada la soo saaray ee leh daahitaannimo hoose
Saldhigyada cilmi-baarista ee GAN-yada maqalka ah, halkaas oo lumitaanka qaab-dhismeedka MelGAN dib loogu isticmaalo muusiga iyo jiilka saamaynta codka
Khatarta & Dariiqyada Ilaalada
Si xun u isticmaalka codka iyo khataraha is-yeelyeelku way kordhaan marka oggolaanshaha la waayo.
Saxnimadu waxay hoos ugu dhici kartaa lahjadaha, lahjadaha, ama jawiga buuqa badan.
Maqalka synthetic waxaa lagu khaldi karaa hadal dhab ah iyada oo aan si cad loo calaamadin.
Qorshe Hawleedka Dhaqangelinta
Hel ogolaansho cad oo ku saabsan qabashada codka, xidhitaanka, iyo dib u isticmaalka
Tijaabi tayada ku hadasha kala duwan iyo xaaladaha asalka.
Qeex marka bani'aadamku ay tahay inuu dib u eego ama oggolaado wax soo saarka.
Ku calaamadee codka synthetic oo xafid diiwaannada la-xisaabtanka.
Sii wad Sahaminta
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 MelGAN Generative Vocoder 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
Hagaha xiga
DiffWave Diffusion Vocoder
Su'aalaha soo noqnoqda
What is MelGAN Generative Vocoder?
MelGAN waa cod-qaade ku salaysan GAN oo si buuxda u kontoroolida kaasoo u beddela mel-spectrograms qaab-muqaalo maqal ah oo cayriin ah hal baas hore oo degdeg ah. Waxay ahayd arrin sababtoo ah waxay caddaysay tayada sare leh, ereyada hadalka aan toos ahayn waxay ku socon kartaa boqollaal jeer ka dhaqso badan waqtiga dhabta ah ee GPU.
Waa maxay gelinta uu MelGAN u beddelo qaab mawjad maqal cayriin ah?
MelGAN waa cod-bixiye: waxay qaadataa matalaad muuqaal dhawaaqeed, mel-spectrogram, oo soo saarta qaabka hirarka u dhigma.
Muxuu MelGAN aad uga dheereeyaa WaveNet marka la eego fikradda?
WaveNet waxay soo saartaa muunado midba mar si toos ah; Soo-saare ka-soo-baxa MelGAN wuxuu soo saaraa qaab-dhismeedka mowjadaha oo dhan hal baas hore oo barbar socda.
Naqshadeeye kala soocid noocee ah ayay MelGAN soo bandhigtay?
MelGAN waxay isticmaashaa kala-takooryo isku mid ah oo badan kuwaas oo baara qaabkii hore ee mowjadaha iyo noocyada hoos loo dhigay si ay u qabsadaan qaabdhismeedka miisaanyo kala duwan.
Waa kuwee khasaaraha ka caawiya xasilinta tababbarka iska hor imaadka ee MelGAN?
Luminta sifada-ku-habboonaanta waxay yaraynaysaa masaafada L1 ee u dhaxaysa khariidadaha muujinta takoorka ee maqalka dhabta ah iyo kuwa la soo saaray, hagaya koronto dhaliyaha iyo xasilinta tababarka.
Sidee ayuu koronto dhaliyaha MelGAN u kordhiyaa goobtiisa soo dhaweynta?
Baloogyada haraaga ah ee leh is-garab-ballaadhintu waxay si hufan u ballaadhiyaan goobta soo-dhowaynta, iyagoo u oggolaanaya koronto-dhaliye qaab-dhismeedka ku-meel-gaadhka ah ee muddada-dheer.