vocos mlx

VOCOS - MLX

Implementasi VOCO dengan kerangka kerja MLX. VOCOS memungkinkan untuk rekonstruksi audio berkualitas tinggi dari MEL Spectrograms atau Token Encodec.

VOCOS: Menutup kesenjangan antara domain waktu dan vokoder saraf berbasis Fourier untuk sintesis audio berkualitas tinggi

Kertas [abs] [pdf]

Instalasi

Untuk menggunakan vocos dalam mode inferensi, instal menggunakannya:

pip install vocos-mlx

Penggunaan

Mel spectrogram

 from vocos_mlx import Vocos , load_audio , log_mel_spectrogram

vocos = Vocos . from_pretrained ( "lucasnewman/vocos-mel-24khz" )

# reconstruct
audio = load_audio ( "audio.wav" , 24_000 )
reconstructed_audio = vocos ( audio )

# decode from mel spec
mel_spec = log_mel_spectrogram ( audio , n_mels = 100 )
decoded_audio = vocos . decode ( mel_spec )

Encodec

 from vocos_mlx import Vocos , load_audio

vocos = Vocos . from_pretrained ( "lucasnewman/vocos-encodec-24khz" )

# reconstruct
audio = load_audio ( "audio.wav" , 24_000 )
reconstructed_audio = vocos ( audio , bandwidth_id = 3 )

# decode with encodec codes
codes = vocos . get_encodec_codes ( audio , bandwidth_id = 3 )
decoded_audio = vocos . decode_from_codes ( codes , bandwidth_id = 3 )

Apresiasi

Awni Hannun untuk implementasi Referensi EncodeC untuk MLX.

Kutipan

 @article{siuzdak2023vocos,
  title={Vocos: Closing the gap between time-domain and Fourier-based neural vocoders for high-quality audio synthesis},
  author={Siuzdak, Hubert},
  journal={arXiv preprint arXiv:2306.00814},
  year={2023}
}

Lisensi

Kode dalam repositori ini dirilis di bawah lisensi MIT seperti yang ditemukan dalam file lisensi.