Presná definícia
Čo znamená WaveNet?
WaveNet je autoregresívny generatívny model surového audia s kauzálnymi dilatovanými konvolúciami. Faktorizuje pravdepodobnosť vlnového priebehu na postupné vzorky podmienené minulosťou a voliteľnými lingvistickými alebo akustickými znakmi. Poskytuje jemný zvuk, ale sekvenčné generovanie je výpočtovo pomalé.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Výskumný TTS baseline používa WaveNet podmienený melovým spektrogramom, aby oddelil kvalitu akustického modelu od vokodéra. Meria sa MOS aj čas generovania a všetky kvantizačné a receptive-field parametre sa verziujú. Produkcia môže zvoliť rýchlejší paralelný model.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako funguje WaveNet?
Kauzálny konvolučný zásobník s rastúcou dilatáciou predikuje distribúciu ďalšej zvukovej vzorky a opakuje krok autoregresívne.
Kedy má WaveNet praktický význam?
Výskumný TTS baseline používa WaveNet podmienený melovým spektrogramom, aby oddelil kvalitu akustického modelu od vokodéra.
S čím si pojem nezamieňať?
HiFi-GAN generuje bloky paralelne adversariálnym učením; pôvodný WaveNet vytvára waveform vzorku po vzorke.
Ako sa výsledok kontroluje?
Kontroluje sa log-likelihood alebo audio kvalita, MOS, real-time factor, receptive field, stabilita a artefakty pri podmienení.
Na čo si dať pozor?
Pomalé sekvenčné vzorkovanie bráni nízkej latencii a chyba v autoregresii sa môže šíriť do neprirodzeného zvuku.