ویو نیٹ
ویو نیٹ، جسے ڈیپ مائنڈ نے 2016 میں متعارف کرایا تھا، ایک اہم نیورل نیٹ ورک تھا جو ایک وقت میں خام آڈیو ایک ہی نمونہ تیار کرتا ہے، جس سے حیرت انگیز طور پر قدرتی تقریر اور موسیقی تیار ہوتی ہے۔
جائزہ
It set the modern standard for high-fidelity text-to-speech.
گہرا غوطہ
WaveNet ایک خودکار پیدا کرنے والا ماڈل ہے: یہ ہر آڈیو نمونے کی پیش گوئی کرتا ہے جو اس سے پہلے کے تمام نمونوں پر مشروط ہے، عام طور پر 16,000 یا 24,000 نمونے فی سیکنڈ پر۔ اس کی بنیادی جدت طرازی کا ایک ڈھیر ہے۔ Causal کا مطلب ہے کہ ماڈل صرف وقت کے ساتھ پیچھے نظر آتا ہے، جنریشن آرڈر کو محفوظ رکھتا ہے۔ پھیلاؤ کا مطلب ہے کہ ہر پرت تیزی سے بڑھتی ہوئی نمونوں کی تعداد کو چھوڑ دیتی ہے، لہذا ایک معمولی اسٹیک ہزاروں نمونوں (ایک وسیع وصولی فیلڈ) کو بغیر کسی بھاری لاگت کے احاطہ کرتا ہے۔ لسانی خصوصیات یا میل اسپیکٹروگرام پر مشروط، WaveNet اس سے پہلے کے کنکٹینیٹیو اور پیرامیٹرک ووکوڈرز سے کہیں زیادہ فطری تقریر پیدا کرتا ہے، انسانی ریکارڈنگ کے زیادہ تر خلا کو بند کرتا ہے اور Google اسسٹنٹ کے ابتدائی ورژن کو طاقت دیتا ہے۔
تکنیکی بصیرت
خستہ حال کنوولوشنز کلیدی چال ہیں: 1، 2، 4، 8 اور اسی طرح کے پھیلاؤ کی شرحوں کے ساتھ، ایک نیٹ ورک صرف دسیوں تہوں کی گہرائی میں ہزاروں ماضی کے نمونوں میں شرکت کر سکتا ہے، جس میں طول موج کی عمدہ تفصیل اور طویل پراسوڈک ڈھانچہ دونوں کی گرفت ہوتی ہے۔ آؤٹ پٹ ماڈل ہر نمونے کی قدر کو ایک واضح تقسیم کے طور پر بناتا ہے (اصل میں 256 لیولز بذریعہ mu-law companding) اور گیٹڈ ایکٹیویشن یونٹس کے علاوہ بقایا اور سکپ کنکشن اس بہت گہرے اسٹیک کی تربیت کو مستحکم کرتے ہیں۔
اسٹریٹجک اثر
رسائی اور رسائی
یہ نقل، بیان اور صوتی انٹرفیس کے ذریعے رسائی کو بہتر بناتا ہے۔
لاگت اور بجٹ
میڈیا ٹیمیں چھوٹے بجٹ کے ساتھ پالش آڈیو کو تیزی سے بھیج سکتی ہیں۔
رفتار اور پیمانہ
کسٹمر کا سامنا کرنے والے نظام بڑے پیمانے پر بولی جانے والی بات چیت پر کارروائی کر سکتے ہیں۔
ویو نیٹ کا مستقبل
اصل WaveNet سست تھا کیونکہ نمونے لینا ترتیب وار ہے۔ جانشینوں نے اسے ٹھیک کیا: متوازی WaveNet اور WaveRNN نے اصل وقت کی ترکیب کو فعال کیا، اور بعد میں بہاؤ- اور GAN پر مبنی ووکوڈرز جیسے WaveGlow اور HiFi-GAN، نیز ڈفیوژن ووکوڈرز، نے معیار اور رفتار کو مزید آگے بڑھایا۔ ویو نیٹ کے خود بخود، پھیلے ہوئے کنوولوشن آئیڈیاز ان سسٹمز میں زندہ رہتے ہیں اور آڈیو سے آگے آرکیٹیکچرز کو متاثر کرتے ہیں، جنریٹو ماڈلنگ میں اس کی میراث کو مضبوط کرتے ہیں۔
حقیقی دنیا کا نفاذ
Google اسسٹنٹ اور Google کلاؤڈ ٹیکسٹ ٹو اسپیچ کیلئے قدرتی آواز والی آوازیں پیدا کرنا
ایک نیورل ووکوڈر کے طور پر کام کرنا جو ٹیکوٹرون 2 جیسی ٹی ٹی ایس پائپ لائنوں میں میل سپیکٹروگرام کو ویوفارمز میں بدل دیتا ہے۔
خام آڈیو سے حقیقت پسندانہ پیانو اور آلات موسیقی کی ترکیب
قابل رسائی ٹولز اور آڈیو بک بیانیہ کے لیے آواز کی ترکیب
خطرات اور گارڈریلز
رضامندی غائب ہونے پر آواز کے غلط استعمال اور نقالی کے خطرات بڑھ جاتے ہیں۔
درستگی لہجوں، بولیوں، یا شور والے ماحول میں گر سکتی ہے۔
واضح لیبلنگ کے بغیر مصنوعی آڈیو کو مستند تقریر کے لیے غلط سمجھا جا سکتا ہے۔
نفاذ کا روڈ میپ
آواز کی گرفتاری، کلوننگ اور دوبارہ استعمال کے لیے واضح رضامندی حاصل کریں۔
متنوع اسپیکرز اور پس منظر کے حالات میں معیار کی جانچ کریں۔
وضاحت کریں کہ جب ایک انسان کو آؤٹ پٹس کا جائزہ لینا یا منظور کرنا ضروری ہے۔
مصنوعی آڈیو کو لیبل کریں اور جوابدہی کے لیے پرووینس ریکارڈ رکھیں۔
دریافت کرتے رہیں
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
اگلا گائیڈ
آڈیو ڈیپ فیک کا پتہ لگانا
اکثر پوچھے گئے سوالات
What is WaveNet?
ویو نیٹ، جسے ڈیپ مائنڈ نے 2016 میں متعارف کرایا تھا، ایک اہم نیورل نیٹ ورک تھا جو ایک وقت میں خام آڈیو ایک ہی نمونہ تیار کرتا ہے، جس سے حیرت انگیز طور پر قدرتی تقریر اور موسیقی تیار ہوتی ہے۔ اس نے اعلیٰ مخلص ٹیکسٹ ٹو اسپیچ کے لیے جدید معیار قائم کیا۔
WaveNet آڈیو کیسے تیار کرتا ہے؟
WaveNet خود بخود ہے: یہ ہر آڈیو نمونے کی پیشن گوئی اس سے پہلے کے نمونوں کی بنیاد پر کرتا ہے۔
WaveNet میں کلیدی تبدیلی کی اختراع کیا ہے؟
پھیلا ہوا کازل کنوولوشنز نیٹ ورک کو ماضی کے ہزاروں نمونوں کو مؤثر طریقے سے کور کرنے دیتا ہے جبکہ صرف وقت کے ساتھ پیچھے نظر آتا ہے۔
بازی WaveNet کی مدد کیوں کرتی ہے؟
تیزی سے بڑھتی ہوئی بازی کی شرح نسبتاً چند تہوں کے ساتھ ہزاروں نمونوں پر ایک وسیع قابل قبول میدان فراہم کرتی ہے۔
اصل WaveNet کی ایک بڑی عملی خرابی کیا تھی؟
چونکہ ہر نمونہ پچھلے نمونوں پر منحصر ہوتا ہے، اس لیے نسل ترتیب وار تھی اور اس لیے سست، متوازی WaveNet اور دیگر جانشینوں کو تحریک دیتی تھی۔
ٹیکسٹ ٹو اسپیچ پائپ لائن میں، ویو نیٹ اکثر کیا کام کرتا ہے؟
WaveNet ایک میل سپیکٹروگرام لے سکتا ہے (مثال کے طور پر، Tacotron 2 سے) اور حتمی قدرتی آواز کی لہر پیدا کر سکتا ہے۔