Akopọ
MelGAN jẹ vocoder ti o da lori GAN ni kikun ti o yi mel-spectrograms sinu awọn fọọmu ohun afetigbọ aise ni ọna gbigbe siwaju kan. O ṣe pataki nitori pe o ṣe afihan didara-giga, iṣelọpọ ọrọ ti kii-autoregressive le ṣiṣẹ awọn ọgọọgọrun awọn akoko yiyara ju akoko gidi lọ lori GPU kan.
MelGAN Generative Vocoder joko ni awọn iṣan-iṣẹ ohun-AI ti o yi ọrọ pada, orin, ati ohun fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media.
Jin Dive
MelGAN, ti a ṣe nipasẹ Kumar et al. ni ọdun 2019, n ṣe agbejade ohun lai si ayẹwo-lọra-nipasẹ-apẹẹrẹ loop ti a lo nipasẹ WaveNet. Olupilẹṣẹ rẹ jẹ akopọ ti awọn iyipada gbigbe ti o ṣe apẹrẹ mel-spectrogram kan (eyiti o jẹ awọn ẹgbẹ igbohunsafẹfẹ 80) titi di iwọn ayẹwo ohun, pẹlu awọn bulọọki ti o ku ni lilo awọn itusilẹ ti o gbooro lati faagun aaye gbigba. Ilọtuntun bọtini ni ikẹkọ pẹlu awọn alayatọ pupọ ti n ṣiṣẹ ni awọn iwọn ohun afetigbọ oriṣiriṣi (igbi-igbi atilẹba pẹlu awọn ẹya ti a fi silẹ), ọkọọkan n wo awọn ferese agbekọja. Pipadanu ibaamu ẹya-ara ṣe afiwe awọn imuṣiṣẹ iyasoto laarin ohun gidi ati iro, imuduro ikẹkọ GAN. Awoṣe naa jẹ kekere nipasẹ awọn iṣedede ohun afetigbọ ati ṣiṣe yiyara ju akoko gidi paapaa lori Sipiyu, ti o jẹ ki o wulo fun ifibọ ati ọrọ-si-ọrọ ẹrọ.
Imọ-imọ-ẹrọ
Alataya-ọpọlọpọ iwọn MelGAN nlo awọn nẹtiwọọki aami mẹta ti n wo ohun ni kikun, idaji, ati ipinnu mẹẹdogun, igbekalẹ yiya kọọkan ni awọn sakani igbohunsafẹfẹ oriṣiriṣi. Ni pataki, MelGAN gbarale ipadanu ti o baamu ẹya-ara (aarin L1 laarin awọn maapu ẹya ara iyasoto ti ohun afetigbọ gidi vs. ti ipilẹṣẹ) dipo adanu atunkọ spectrogram ti o fojuhan, eyiti o ṣe iwuri fun olupilẹṣẹ lati baamu Layer awọn iṣiro ohun ohun gidi nipasẹ Layer.
Titunto si MelGAN Generative Vocoder
MelGAN jẹ vocoder ti o da lori GAN ni kikun ti o yi mel-spectrograms sinu awọn fọọmu ohun afetigbọ aise ni ọna gbigbe siwaju kan. O ṣe pataki nitori pe o ṣe afihan didara-giga, iṣelọpọ ọrọ ti kii-autoregressive le ṣiṣẹ awọn ọgọọgọrun awọn akoko yiyara ju akoko gidi lọ lori GPU kan. MelGAN Generative Vocoder joko ni awọn iṣan-iṣẹ ohun-AI ti o yi ọrọ pada, orin, ati ohun fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media. Lati kọ oye ti o jinlẹ, tọju MelGAN Generative Vocoder bi awoṣe iṣẹ, kii ṣe ẹya ẹyọkan: ṣalaye awọn abajade ti o fẹ, ṣalaye awọn arosọ, ati yapa ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.
Ni iṣe, awọn ẹgbẹ ti o lagbara ni lilo MelGAN Generative Vocoder ṣe itọju didara, airi, ati ifọkansi bi awọn ẹya pataki kanna ti ilana imuṣiṣẹ. Wọn ṣe akọsilẹ awọn ibeere aṣeyọri ti o fojuhan, idanwo lodi si data ojulowo ati ṣiṣan iṣẹ, ati atunbere ti o da lori awọn ilana ikuna ti a ṣakiyesi dipo awọn bori ala-akoko kan. Eyi ni ibiti oye imọ-jinlẹ yipada si agbara ti o tọ kọja ọja, eto imulo, ati awọn iṣẹ ṣiṣe.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni akoko kanna, ilokulo ohun ati awọn eewu imisi eniyan n pọ si nigbati igbanilaaye ba sonu. Ọna resilient julọ julọ ni lati darapọ iyara idanwo pẹlu ibawi ijọba: ṣiṣe awọn awakọ awakọ, mu ẹri mu, ṣe atẹjade awọn iwe ipinnu, ati imudojuiwọn awọn aabo nigbagbogbo bi ihuwasi awoṣe, awọn ireti olumulo, ati awọn ibeere ilana ti dagbasoke.
Ipa Ilana
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun.
O ṣe ilọsiwaju iraye si nipasẹ transcription, alaye, ati awọn atọkun ohun. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere.
Awọn ẹgbẹ Media le firanṣẹ ohun didan yiyara pẹlu awọn isuna-owo kekere. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla.
Awọn ọna ṣiṣe ti nkọju si alabara le ṣe ilana awọn ibaraẹnisọrọ sisọ ni iwọn nla. Ni awọn imuṣiṣẹ ti o ni agbara giga, eyi ni a tumọ si awọn ofin iṣiṣẹ wiwọn, awọn aala nini, ati awọn ilana atunyẹwo loorekoore ki awọn ẹgbẹ le ṣe iwọn igbẹkẹle dipo iwọn aibikita.
Real-World imuse
Ọrọ-si-ọrọ lori ẹrọ ni awọn oluranlọwọ alagbeka nibiti kekere, vocoder ti o yara yago fun awọn irin ajo awọsanma
Awọn opo gigun ti iyipada ohun akoko gidi ti o ṣe iyipada mel-spectrogram agbọrọsọ kan sinu ohun ibi-afẹde kan
Ere ati awọn irinṣẹ ere idaraya ti o ṣajọpọ ibaraẹnisọrọ ihuwasi lati awọn iwoye ti ipilẹṣẹ pẹlu lairi kekere
Awọn ipilẹ iwadii fun awọn GAN ohun, nibiti a ti tun lo adanu ibaamu ẹya-ara MelGAN fun orin ati iran ipa-ohun.
Awọn Ilana imuse
MelGAN Generative Vocoder ni iṣe
Ọrọ-si-ọrọ lori ẹrọ ni awọn oluranlọwọ alagbeka nibiti kekere, vocoder iyara yago fun awọn irin-ajo yika awọsanma.
Ọrọ-si-ọrọ lori ẹrọ ni awọn oluranlọwọ alagbeka nibiti kekere, vocoder iyara yago fun awọn irin-ajo yika awọsanma Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa mejeeji awọn anfani iṣelọpọ ati awọn idiyele aṣiṣe lori akoko.
MelGAN Generative Vocoder ni iṣe
Awọn opo gigun ti iyipada ohun akoko gidi ti o ṣe iyipada mel-spectrogram agbọrọsọ kan sinu ohun ibi-afẹde kan.
Awọn opo gigun ti awọn iyipada ohun akoko gidi ti o ṣe iyipada mel-spectrogram agbọrọsọ sinu ohun ibi-afẹde Awọn ẹgbẹ nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa awọn anfani iṣelọpọ mejeeji ati awọn idiyele aṣiṣe lori akoko.
MelGAN Generative Vocoder ni iṣe
Ere ati awọn irinṣẹ ere idaraya ti o ṣajọpọ ibaraẹnisọrọ ihuwasi lati awọn iwoye ti ipilẹṣẹ pẹlu lairi kekere.
Ere ati awọn irinṣẹ ere idaraya ti o ṣajọpọ ibaraẹnisọrọ ihuwasi lati awọn iwoye ti ipilẹṣẹ pẹlu Awọn ẹgbẹ airi kekere nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna imudara eniyan fun awọn ọran eti, ati tọpa mejeeji awọn anfani iṣelọpọ ati awọn idiyele aṣiṣe lori akoko.
MelGAN Generative Vocoder ni iṣe
Awọn ipilẹ iwadi fun awọn GAN ohun, nibiti a ti lo ipadanu ibaamu ẹya-ara MelGAN fun orin ati iran ipa-ohun.
Awọn ipilẹ iwadii fun awọn GAN ohun ohun, nibiti a ti tun lo ipadanu ibaamu ẹya-ara MelGAN fun orin ati awọn ẹgbẹ iran ipa ohun nigbagbogbo gba awọn abajade to dara julọ nigbati wọn ṣalaye awọn ilodi didara ni iwaju, tọju ọna igbega eniyan fun awọn ọran eti, ati tọpa mejeeji awọn anfani iṣelọpọ ati awọn idiyele aṣiṣe lori akoko.
Awọn ewu & Awọn ọna iṣọ
ilokulo ohun ati awọn ewu afarawe ṣe pọ si nigbati igbanilaaye ba sonu.
Yiye le ju silẹ kọja awọn asẹnti, awọn ede-ede, tabi awọn agbegbe alariwo.
Ohun afetigbọ sintetiki le jẹ aṣiṣe fun ọrọ ododo laisi isamisi to yege.
Ilana Ilana imuse
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo.
Gba ifọkansi ti o fojuhan fun gbigba ohun, ti ẹda, ati ilotunlo. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ.
Didara idanwo kọja awọn agbohunsoke oniruuru ati awọn ipo abẹlẹ. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade.
Ṣetumo nigbati eniyan gbọdọ ṣe atunyẹwo tabi fọwọsi awọn abajade. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro.
Aami ohun sintetiki ki o tọju awọn igbasilẹ provenance fun iṣiro. Ṣe itọju igbesẹ kọọkan bi ẹnu-ọna ẹri: ti awọn ibeere ko ba ni ibamu, daduro yiyọ kuro, pa aafo naa, ati lẹhinna faagun lilo.