AutoVocoder

Autovocoder: Быстрая генерация формы волны из изученного представления речи с использованием дифференцируемой обработки цифровых сигналов

Неофициальная реализация Pytorch Autovocoder: быстрое генерация формы волны из изученного речевого представления с использованием дифференцируемой цифровой обработки сигналов. Этот репозиторий основан на GitHub ISTFTNET (бумага) .

Disclaimer : This repo is built for testing purpose.

Обучение :

 python train.py --config config.json

В train.py , изменение --input_wavs_dir в каталог LJSPEECH-1.1/WAVS.
В config.json измените latent_dim для AV128 , AV192 и AV256 (по умолчанию).
Принимая во внимание Section 3.3 , вы можете выбрать dec_istft_input между cartesian (по умолчанию), polar и both .

Примечание:

• Потеря проверки AV256 во время обучения.

  

• В нашем тесте он сходится почти в 3 раза быстрее, чем hifi-V1 (ссылаясь на официальное репо).

Цитаты:

 @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}
}

Ссылки:

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