WaveNet
WaveNet, iliyoanzishwa na DeepMind mnamo 2016, ilikuwa mtandao wa neva ambao hutoa sauti mbichi sampuli moja kwa wakati, ikitoa hotuba ya asili na muziki wa kushangaza.
Muhtasari
It set the modern standard for high-fidelity text-to-speech.
Dive ya kina
WaveNet ni kielelezo cha uzalishaji kiotomatiki: hutabiri kila sampuli ya sauti iliyowekewa sampuli zote kabla yake, kwa kawaida katika sampuli 16,000 au 24,000 kwa sekunde. Ubunifu wake wa kimsingi ni msururu wa visababishi vilivyopanuka. Causal inamaanisha kuwa mtindo hutazama nyuma tu kwa wakati, kuhifadhi mpangilio wa kizazi; upanuzi unamaanisha kuwa kila safu inaruka idadi inayoongezeka sana ya sampuli, kwa hivyo rundo la kawaida hufunika maelfu ya sampuli (sehemu pana ya kupokea) bila gharama kubwa. Ikiwekewa vipengele vya lugha au spektra ya hali ya juu, WaveNet hutoa usemi wa asili zaidi kuliko vokoda za kuunganishwa na parametric zilizoitangulia, na kuziba pengo kubwa la rekodi za binadamu na kuwezesha matoleo ya awali ya Google Msaidizi.
Ufahamu wa Kiufundi
Upanuzi uliopanuliwa ndio ujanja muhimu: kwa viwango vya upanuzi vya 1, 2, 4, 8, na kadhalika, mtandao ni makumi ya tabaka za kina tu unaweza kushughulikia maelfu ya sampuli zilizopita, ikichukua maelezo mafupi ya muundo wa wimbi na muundo mrefu wa prosodic. Vielelezo vya matokeo ya kila sampuli kama usambazaji wa kategoria (hapo awali viwango 256 kupitia upatanishaji wa sheria ya mu-sheria), na vitengo vya kuwezesha vilivyowekwa lango pamoja na miunganisho iliyobaki na ya kuruka huimarisha mafunzo ya mrundikano huu wa kina.
Athari za kimkakati
Kufikia na kufikia
Huboresha ufikiaji kupitia manukuu, simulizi na violesura vya sauti.
Cost and budget
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.
Mustakabali wa WaveNet
Original WaveNet ilikuwa polepole kwa sababu sampuli ni mfuatano. Waliofuata walirekebisha hili: WaveNet Sambamba na WaveRNN waliwezesha usanisi wa wakati halisi, na baadaye vokoda za mtiririko- na GAN kama vile WaveGlow na HiFi-GAN, pamoja na vokoda za uenezaji, zilisukuma ubora na kasi zaidi. Mawazo ya moja kwa moja ya WaveNet, yaliyopanuka-mabadiliko yanaishi katika mifumo hii na kuathiri usanifu zaidi ya sauti, ikiimarisha urithi wake katika uundaji generative.
Utekelezaji wa Ulimwengu Halisi
Kuzalisha sauti za asili za Google Mratibu na Google Maandishi-hadi-Hotuba ya Wingu
Inafanya kazi kama vokoda ya neural ambayo inabadilisha spectrogramu za mel kuwa muundo wa wimbi katika bomba la TTS kama Tacotron 2.
Inakusanya piano halisi na muziki wa ala kutoka kwa sauti mbichi
Usanisi wa sauti kwa zana za ufikivu na usimulizi wa kitabu cha sauti
Hatari & Walinzi
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.
Ramani ya Utekelezaji
Pata idhini ya moja kwa moja ya kunasa sauti, kuunda na kutumia tena.
Jaribu ubora kwenye spika na hali mbalimbali za usuli.
Bainisha wakati ni lazima binadamu akague au aidhinishe matokeo.
Weka lebo sauti ya sintetiki na uhifadhi rekodi za asili kwa uwajibikaji.
Endelea Kuchunguza
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 WaveNet 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
Mwongozo unaofuata
Utambuzi wa kina wa sauti
Maswali yanayoulizwa mara kwa mara
What is WaveNet?
WaveNet, iliyoanzishwa na DeepMind mnamo 2016, ilikuwa mtandao wa neva ambao hutoa sauti mbichi sampuli moja kwa wakati, ikitoa hotuba ya asili na muziki wa kushangaza. Iliweka kiwango cha kisasa cha uaminifu wa juu wa maandishi-kwa-hotuba.
Je, WaveNet hutoaje sauti?
WaveNet haibadiliki: inatabiri kila sampuli ya sauti kulingana na sampuli zilizokuja kabla yake.
Ni uvumbuzi gani muhimu wa kimaadili katika WaveNet?
Michanganyiko iliyopanuliwa ya sababu huruhusu mtandao kufunika maelfu ya sampuli zilizopita kwa ufanisi huku ukiangalia nyuma tu kwa wakati.
Kwa nini upanuzi unasaidia WaveNet?
Viwango vya upanuzi vinavyoongezeka sana vinatoa uwanja mpana wa kupokea zaidi ya maelfu ya sampuli zilizo na tabaka chache.
Ni nini kikwazo kikuu cha vitendo cha WaveNet asilia?
Kwa sababu kila sampuli inategemea zile zilizopita, kizazi kilikuwa cha mfuatano na kwa hivyo polepole, kikitoa motisha ya Parallel WaveNet na warithi wengine.
Katika bomba la maandishi-kwa-hotuba, WaveNet mara nyingi hutumika kama nini?
WaveNet inaweza kuchukua mel-spectrogram (k.m., kutoka Tacotron 2) na kutoa mwonekano wa mwisho wa sauti asilia.