AutoVocoder

Autovocoder: geração rápida da forma de onda de uma representação de fala aprendida usando processamento de sinal digital diferenciável

Implementação não oficial de pytorch do autovocoder: geração rápida da forma de onda a partir de uma representação de fala aprendida usando processamento de sinal digital diferenciável. Este repositório é baseado no iStftNet Github (papel) .

Disclaimer : This repo is built for testing purpose.

Treinamento :

 python train.py --config config.json

Em train.py , altere --input_wavs_dir para o diretório de LJSpeech-1.1/wavs.
Em config.json , altere latent_dim para AV128 , AV192 e AV256 (padrão).
Considerando Section 3.3 , você pode selecionar dec_istft_input entre cartesian (padrão), polar e both .

Observação:

• Perda de validação do AV256 durante o treinamento.

  

• Em nosso teste, ele converge quase 3x vezes mais rápido que o HIFI-V1 (referindo-se ao repositório oficial).

Citações:

 @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}
}

Referências:

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