AutoVocoder

Autovocoder: Erzeugung der schnellen Wellenform aus einer gelernten Sprachdarstellung unter Verwendung einer differenzierbaren digitalen Signalverarbeitung

Inoffizielle Pytorch -Implementierung von Autovocoder: Erzeugung der schnellen Wellenform aus einer gelernten Sprachdarstellung unter Verwendung einer differenzierbaren digitalen Signalverarbeitung. Dieses Repository basiert auf iStftnet Github (Papier) .

Disclaimer : This repo is built for testing purpose.

Ausbildung :

 python train.py --config config.json

In train.py , ändern Sie --input_wavs_dir in das Verzeichnis von ljspeech-1.1/WAVs.
Ändern Sie in config.json latent_dim für AV128 , AV192 und AV256 (Standard).
Wenn Sie Section 3.3 berücksichtigen, können Sie zwischen cartesian (Standard), polar und both dec_istft_input .

Notiz:

• Validierungsverlust von AV256 während des Trainings.

  

• In unserem Test konvergiert es fast dreimal schneller als Hifi-V1 (unter Bezugnahme auf das offizielle Repo).

Zitate:

 @article{Webber2022AutovocoderFW,
  title={Autovocoder: Fast Waveform Generation from a Learned Speech Representation using Differentiable Digital Signal Processing},
  author={Jacob J. Webber and Cassia Valentini-Botinhao and Evelyn Williams and Gustav Eje Henter and Simon King},
  journal={ArXiv},
  year={2022},
  volume={abs/2211.06989}
}

Referenzen:

• https://github.com/jik876/hifi-gan
• https://github.com/rishikksh20/istftnet-pytorch