Akopọ
WaveNet, ti a ṣe nipasẹ DeepMind ni ọdun 2016, jẹ nẹtiwọọki aibikita kan ti o ṣe agbejade ohun afetigbọ aise kan ayẹwo ni akoko kan, ti n ṣe agbejade ọrọ adayeba iyalẹnu ati orin. O ṣeto boṣewa ode oni fun iṣootọ giga-si-ọrọ.
WaveNet joko ni awọn ṣiṣan iṣẹ ohun-AI ti o yi ọrọ pada, orin, ati ohun fun ibaraẹnisọrọ, iraye si, ati iṣelọpọ media.
Jin Dive
WaveNet jẹ awoṣe ipilẹṣẹ autoregressive: o sọ asọtẹlẹ ayẹwo ohun afetigbọ kọọkan ni ilodi si gbogbo awọn ayẹwo ṣaaju rẹ, ni igbagbogbo ni awọn ayẹwo 16,000 tabi 24,000 fun iṣẹju-aaya. Ipilẹṣẹ mojuto rẹ jẹ akopọ ti awọn iyipada idii ti o gbooro. Causal tumọ si awoṣe nikan wo sẹhin ni akoko, titoju aṣẹ iran; dilation tumọ si pe Layer kọọkan fo nọmba awọn ayẹwo ti o pọ si lọpọlọpọ, nitorinaa akopọ iwọntunwọnsi bo ẹgbẹẹgbẹrun awọn ayẹwo (aaye gbigba jakejado) laisi idiyele nla. Ti o wa lori awọn ẹya ede tabi mel-spectrogram, WaveNet n ṣe agbejade ọrọ ti o jinna pupọ ju awọn oluranlọwọ concatenative ati parametric ti o ṣaju rẹ, tiipa pupọ ti aafo si awọn igbasilẹ eniyan ati agbara awọn ẹya ibẹrẹ ti Google Iranlọwọ.
Imọ-imọ-ẹrọ
Awọn convolutions dilate jẹ ẹtan bọtini: pẹlu awọn oṣuwọn dilation ti 1, 2, 4, 8, ati bẹbẹ lọ, nẹtiwọọki kan nikan mewa ti awọn fẹlẹfẹlẹ ti o jinlẹ le lọ si ẹgbẹẹgbẹrun awọn ayẹwo ti o kọja, yiya awọn alaye igbi ti o dara mejeeji ati igbekalẹ prosodic gigun. Awọn awoṣe ti o jade ni iye ayẹwo kọọkan bi pinpin ipin kan (ni akọkọ awọn ipele 256 nipasẹ companding mu-law), ati awọn ẹya imuṣiṣẹ gated pẹlu iṣẹku ati awọn asopọ fofo ṣe idaduro ikẹkọ ti akopọ ti o jinlẹ pupọ.
Titunto si WaveNet
WaveNet, ti a ṣe nipasẹ DeepMind ni ọdun 2016, jẹ nẹtiwọọki aibikita kan ti o ṣe agbejade ohun afetigbọ aise kan ayẹwo ni akoko kan, ti n ṣe agbejade ọrọ adayeba iyalẹnu ati orin. O ṣeto boṣewa ode oni fun iṣootọ giga-si-ọrọ. WaveNet joko ni awọn ṣiṣan 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 WaveNet bi awoṣe iṣẹ, kii ṣe ẹya ẹyọkan: ṣalaye awọn abajade ti o fẹ, ṣalaye awọn arosọ, ati ya sọtọ ohun ti eto le ṣe ni igbẹkẹle lati ohun ti o tun nilo idajọ amoye.
Ni iṣe, awọn ẹgbẹ ti o lagbara ni lilo didara itọju WaveNet, aisi, ati ifọkansi gẹgẹbi 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
Ṣiṣẹda awọn ohun ti o dun adayeba fun Google Iranlọwọ ati Google Awọsanma Ọrọ-si-Ọrọ
Ṣiṣẹ bi vocoder nkankikan ti o yi mel-spectrograms si awọn fọọmu igbi ni awọn paipu TTS bii Tacotron 2
Ṣiṣẹpọ piano ojulowo ati orin irinse lati ohun aise
Iṣakojọpọ ohun fun awọn irinṣẹ iraye si ati alaye iwe ohun
Awọn Ilana imuse
WaveNet ni iṣe
Ṣiṣẹda awọn ohun-ohun adayeba fun Google Iranlọwọ ati Google Awọsanma Ọrọ-si-Ọrọ.
Ṣiṣẹda awọn ohun afetigbọ adayeba fun Google Oluranlọwọ ati Google Awọn ẹgbẹ Ọrọ-si-Ọrọ Awọsanma maa n 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 ni akoko pupọ.
WaveNet ni iṣe
Ṣiṣẹ bi vocoder nkankikan ti o yi mel-spectrograms sinu awọn fọọmu igbi ni awọn paipu TTS bii Tacotron 2.
Ṣiṣe bi vocoder nkankikan ti o yi awọn mel-spectrograms sinu awọn ọna igbi ni awọn pipelines TTS bi awọn ẹgbẹ Tacotron 2 nigbagbogbo gba awọn abajade ti o 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 ni akoko pupọ.
WaveNet ni iṣe
Ṣiṣẹpọ piano ojulowo ati orin irinse lati ohun aise.
Ṣiṣẹpọ piano ojulowo ati orin ohun elo lati awọn ẹgbẹ ohun afetigbọ 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.
WaveNet ni iṣe
Iṣakojọpọ ohun fun awọn irinṣẹ iraye si ati alaye iwe ohun.
Asopọmọra ohun fun awọn irinṣẹ iraye si ati awọn asọye iwe ohun 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.
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.