MWONGOZO WA AI wa Sauti

Sauti ya Sauti ya Mtiririko wa WaveGlow

WaveGlow ni vokoda ya neva inayotegemea mtiririko kutoka NVIDIA ambayo husanikisha miundo ya mawimbi ya matamshi kutoka kwa spectrogramu za mel kwa kupitisha moja bila kurudi nyuma.

Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min

Anza kusomaChukua chemsha bongo
Katika ukurasa huudk 2 kusoma
  1. Muhtasari
  2. Dive ya kina
  3. Utekelezaji wa Ulimwengu Halisi
  4. Mustakabali wa Vokoda inayotegemea mtiririko wa WaveGlow
  5. Kuiweka katika vitendo
  6. Endelea Kuchunguza
  7. Maswali yanayoulizwa mara kwa mara

Muhtasari

Ni muhimu kwa sababu inatoa sauti ya hali ya juu haraka kuliko wakati halisi kwa kutumia upotezaji rahisi wa uwezekano.

Dive ya kina

WaveGlow, iliyotolewa na Prenger, Valle, na Catanzaro katika NVIDIA mwaka wa 2018, inachanganya mawazo kutoka kwa Glow na WaveNet ili kuunda rekodi ya sauti ambayo ni ya haraka na rahisi kutoa mafunzo. Tofauti na vokoda za GAN, ni mtiririko wa kawaida: hujifunza ramani inayoweza kugeuzwa kati ya usambazaji rahisi wa Gaussian na muundo wa wimbi la sauti, uliowekwa kwenye spectrogram ya mel. Mafunzo huongeza uwezekano kamili wa kumbukumbu wa data, kwa hivyo hauhitaji kibaguzi tofauti, hakuna kurudi nyuma kiotomatiki, na hakuna kunereka kwa wanafunzi wa walimu na wanafunzi wa mitandao miwili ambayo mbinu za awali sambamba za WaveNet zinahitajika. Ili kutoa sauti, sampuli ya kelele ya Gaussian na kuendesha mtandao unaobadilika kinyumenyume. WaveGlow hutoa usemi wa ubora unaolinganishwa na WaveNet huku ukisawazisha haraka zaidi kuliko wakati halisi kwenye GPU ya kisasa.

Utekelezaji wa Ulimwengu Halisi

Inaoanishwa na Tacotron 2 katika bomba la TTS la rejeleo la NVIDIA ili kutoa matamshi asilia yenye ubora wa studio

Usanisi wa haraka wa usemi wa GPU kwa masimulizi, uandikaji wa nakala, na mtiririko wa kazi wa kuunda maudhui

Kuzalisha mafunzo na sauti za onyesho katika utafiti ambapo mafunzo thabiti, ya hasara moja yanapendelewa

Toleo la sauti la muda halisi katika mifumo wasilianifu inayoendeshwa kwenye maunzi ya NVIDIA

Mustakabali wa Vokoda inayotegemea mtiririko wa WaveGlow

WaveGlow ilionyesha kuwa vokoda safi za mtiririko zinaweza kushindana na ubora wa kiotomatiki, na kuathiri mtiririko wa baadaye na miundo ya sauti inayolingana na mtiririko. Usahihi wake wa kupoteza mara moja bado unavutia, ingawa vokoda za GAN kama HiFi-GAN sasa mara nyingi hushinda kwa ukubwa na kasi. Kuangalia mbele, mawazo yanayotegemea mtiririko na ya kulinganisha mtiririko yanaibuka tena katika TTS ya kisasa inayopakana na uenezaji, na miundo isiyobadilika ya mtindo wa WaveGlow inaendelea kufahamisha utafiti juu ya uwezekano kamili, unaoweza kudhibitiwa, na uundaji bora wa mawimbi.

Kuiweka katika vitendo

Kwa nini ni muhimu

  • Kufikia na kufikia. Huboresha ufikiaji kupitia manukuu, simulizi na violesura vya sauti.
  • Gharama na bajeti. Timu za media zinaweza kusafirisha sauti iliyoboreshwa haraka na bajeti ndogo.
  • Kasi na kiwango. Mifumo inayowakabili wateja inaweza kuchakata mwingiliano wa mazungumzo kwa kiwango kikubwa.

Jihadharini na

  • Hatari za matumizi mabaya ya sauti na uigaji huongezeka wakati kibali kinakosekana.
  • Usahihi unaweza kushuka katika lafudhi, lahaja au mazingira yenye kelele.
  • Sauti ya syntetisk inaweza kudhaniwa kimakosa kuwa usemi halisi bila kuweka lebo wazi.

Hatua zinazofuata

  1. Pata idhini ya moja kwa moja ya kunasa sauti, kuunda na kutumia tena.
  2. Jaribu ubora kwenye spika na hali mbalimbali za usuli.
  3. Bainisha wakati ni lazima binadamu akague au aidhinishe matokeo.
  4. Weka lebo sauti ya sintetiki na uhifadhi rekodi za asili kwa uwajibikaji.

Endelea Kuchunguza

Sauti AI

Jifunze jinsi mifumo ya usemi inavyotambua na kutoa lugha.Soma Mwongozo

Muziki wa AI

Kuelewa zana za kisasa za kizazi cha muziki na vikwazo.Soma Mwongozo

Jarida halali

Pata taarifa ya kila siku ya AI

Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.

Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.

Jijaribu mwenyewe

Take the WaveGlow Flow-Based Vocoder quiz

Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.

Anza chemsha bongo

Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango

Maswali yanayoulizwa mara kwa mara

Vokoda ya WaveGlow Flow-Based ni nini?

WaveGlow ni vokoda ya neva inayotegemea mtiririko kutoka NVIDIA ambayo husanikisha miundo ya mawimbi ya matamshi kutoka kwa spectrogramu za mel kwa kupitisha moja bila kurudi nyuma. Ni muhimu kwa sababu inatoa sauti ya hali ya juu haraka kuliko wakati halisi kwa kutumia upotezaji rahisi wa uwezekano.

WaveGlow inachanganya maoni ya usanifu kutoka kwa aina gani mbili?

WaveGlow inaunganisha muundo wa mtiririko unaobadilika wa Glow na muundo wa kielelezo cha sauti wa WaveNet.

WaveGlow ni mfano wa aina gani?

WaveGlow ni mtiririko wa kuhalalisha ambao hujifunza ramani inayoweza kugeuzwa kati ya kelele na sauti ya Gaussian.

Je, WaveGlow hutoaje muundo wa wimbi kwa wakati wa uelekezaji?

Kwa sababu mtandao hauwezi kugeuzwa, unachora kelele ya Gaussian na kurudisha mtiririko nyuma, uliowekwa kwenye spectrogram ya mel.

Je, WaveGlow inaboresha lengo gani wakati wa mafunzo?

Kama mtiririko, WaveGlow huongeza uwezekano kamili wa kumbukumbu, bila kuhitaji kibaguzi au kunereka.

Ni sehemu gani mbili zinazounda kila hatua inayoweza kubadilika kwenye WaveGlow?

Kila hatua ya mtiririko huoa safu ya uunganisho wa mshikamano na ubadilishaji unaobadilika wa 1x1 uliopitishwa kutoka kwa Mwangaza.

Endelea kujifunza

Miongozo inayohusiana

Miongozo zaidi imechaguliwa kwa mada hii

Pata cheti cha AI bureKozi fupi na mtihani bila malipo. Bila kadi. Hata dakika 2.5.Anza bure →