Bộ mã hóa WaveGAN song song
Parallel WaveGAN là một bộ mã hóa thần kinh nhanh, biến biểu đồ mel thành dạng sóng âm thanh thô bằng cách sử dụng GAN nhỏ, tạo ra tất cả các mẫu cùng một lúc.
Tổng quan
It matters because it gives near-real-time, high-quality speech with a compact model.
Lặn sâu
Bộ mã hóa âm thanh là giai đoạn cuối cùng của quy trình TTS: nó chuyển đổi bản đồ đặc trưng âm thanh (thường là biểu đồ mel) thành sóng âm thanh thực tế mà bạn nghe thấy. Parallel WaveGAN, do Yamamoto, Song và Kim đề xuất vào năm 2019, thực hiện điều này bằng một trình tạo kiểu WaveNet không tự hồi quy được đào tạo như một mạng tạo đối thủ. Thay vì dự đoán từng mẫu âm thanh tại một thời điểm như WaveNet ban đầu, nó tạo ra toàn bộ dạng sóng song song, khiến tốc độ nhanh hơn đáng kể. Công thức chính của nó kết hợp sự mất mát đối nghịch với sự mất mát biến đổi Fourier thời gian ngắn (STFT) đa độ phân giải, do đó mô hình khớp với tín hiệu thực trên nhiều thang thời gian và tần số. Kết quả là một bộ tạo nhỏ (khoảng 1,4 triệu tham số) chạy nhanh hơn nhiều lần so với thời gian thực trên GPU.
Hiểu biết kỹ thuật
Bộ tạo là một mạng tích chập giãn được điều chỉnh trên biểu đồ mel và đầu vào nhiễu, ánh xạ nhiễu cộng với các đặc tính trực tiếp vào mẫu. Việc đào tạo cùng nhau giảm thiểu tổn thất STFT đa độ phân giải, được tính toán bằng cách so sánh các biểu đồ phổ cường độ ở một số kích thước FFT và độ dài bước nhảy, cũng như tổn thất bất lợi từ một bộ phân biệt đối xử đánh giá thực tế. Thuật ngữ STFT ổn định và tăng tốc quá trình huấn luyện đối nghịch, thu được cả chi tiết đẹp và hình dạng quang phổ rộng mà không cần chưng cất.
Tác động chiến lược
Truy cập và tiếp cận
Nó cải thiện khả năng tiếp cận thông qua phiên âm, tường thuật và giao diện giọng nói.
Chi phí và ngân sách
Các nhóm truyền thông có thể gửi âm thanh tinh tế nhanh hơn với ngân sách nhỏ hơn.
Tốc độ và tỷ lệ
Các hệ thống hướng tới khách hàng có thể xử lý các tương tác bằng giọng nói ở quy mô lớn hơn.
Tương lai của Bộ mã hóa WaveGAN song song
Parallel WaveGAN đã giúp thiết lập bộ phát âm GAN làm mặc định thực tế và hiện tượng mất STFT đa độ phân giải của nó hiện xuất hiện trên các hệ thống kế thừa như HiFi-GAN và nhiều hệ thống phát trực tuyến. Quỹ đạo hướng tới các bộ phát âm nhỏ hơn bao giờ hết, có độ trễ thấp hơn dành cho trợ lý trên thiết bị, máy trợ thính và chuyển đổi giọng nói trực tiếp, cùng với các bộ phát âm phổ quát dành cho những người nói không nhìn thấy được. Mong đợi sự tích hợp chặt chẽ hơn với TTS đầu cuối và triển khai hiệu quả trên chip di động và chip nhúng.
Triển khai trong thế giới thực
Đầu ra giọng nói theo thời gian thực trong trợ lý giọng nói di động nơi độ trễ và kích thước mô hình đóng vai trò quan trọng
Đóng vai trò là bộ tạo dạng sóng được ghép nối với các mẫu âm thanh như Tacotron 2 hoặc FastSpeech
Tính năng chuyển văn bản thành giọng nói trên thiết bị dành cho các công cụ trợ năng không thể dựa vào đám mây
Hệ thống chuyển đổi giọng nói tổng hợp lại các biểu đồ phổ đã chuyển đổi thành âm thanh tự nhiên
Rủi ro & lan can
Rủi ro lạm dụng giọng nói và mạo danh sẽ tăng lên khi thiếu sự đồng ý.
Độ chính xác có thể giảm đối với các giọng, phương ngữ hoặc môi trường ồn ào.
Âm thanh tổng hợp có thể bị nhầm lẫn với lời nói đích thực nếu không có nhãn rõ ràng.
Lộ trình thực hiện
Nhận được sự đồng ý rõ ràng để thu âm, sao chép và tái sử dụng giọng nói.
Kiểm tra chất lượng trên nhiều loa và điều kiện nền khác nhau.
Xác định khi nào con người phải xem xét hoặc phê duyệt kết quả đầu ra.
Dán nhãn âm thanh tổng hợp và lưu giữ hồ sơ xuất xứ để đảm bảo trách nhiệm giải trình.
Tiếp tục khám phá
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 Parallel WaveGAN 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
Hướng dẫn tiếp theo
Bộ mã hóa sáng tạo MelGAN
Câu hỏi thường gặp
What is Parallel WaveGAN Vocoder?
Parallel WaveGAN là một bộ mã hóa thần kinh nhanh, biến biểu đồ mel thành dạng sóng âm thanh thô bằng cách sử dụng GAN nhỏ, tạo ra tất cả các mẫu cùng một lúc. Điều này quan trọng vì nó mang lại giọng nói chất lượng cao, gần như theo thời gian thực với một mô hình nhỏ gọn.
Công việc của một bộ phát âm như Parallel WaveGAN là gì?
Bộ mã hóa âm thanh là giai đoạn TTS cuối cùng tổng hợp sóng âm thanh thực tế từ các đặc điểm âm thanh như biểu đồ mel.
Parallel WaveGAN tạo các mẫu âm thanh như thế nào so với WaveNet ban đầu?
Parallel WaveGAN không tự hồi quy, tạo ra toàn bộ dạng sóng cùng một lúc thay vì lấy mẫu theo mẫu, điều này giúp tốc độ nhanh hơn nhiều.
Sự mất mát nào là trọng tâm của Parallel WaveGAN bên cạnh sự mất mát đối nghịch?
Nó kết hợp tổn thất đối nghịch với tổn thất STFT đa độ phân giải để so sánh cường độ biểu đồ phổ ở nhiều tỷ lệ.
Trình tạo Parallel WaveGAN sử dụng kiến trúc nào?
Trình tạo là một mạng giống như WaveNet được xây dựng từ các tổ hợp giãn nở, dựa trên biểu đồ mel và nhiễu.
Tại sao Parallel WaveGAN lại hấp dẫn để triển khai?
Với khoảng 1,4 triệu tham số, nó nhỏ gọn và chạy nhanh hơn nhiều lần so với thời gian thực, lý tưởng để sử dụng trên thiết bị.