Avocodo pytorch

Avocodo: เครือข่ายที่เป็นปฏิปักษ์ต่อสิ่งประดิษฐ์สำหรับ Vocoder ที่ปราศจากสิ่งประดิษฐ์

การดำเนินการอย่างไม่เป็นทางการของ Avocodo: เครือข่ายฝ่ายตรงข้ามที่เกิดขึ้นสำหรับผู้ร้องนำที่ปราศจากสิ่งประดิษฐ์

คำเตือน: ใช้งานได้เฉพาะกับ config_v1.json สำหรับตอนนี้และการสร้าง repo นี้ด้วยวัตถุประสงค์การทดลองไม่ใช่เพื่อการผลิต

• สำหรับการสังเคราะห์คำพูดที่มีคุณภาพดีที่สุดโปรดไปที่ Deepsync.co

การฝึกอบรม:

 python train.py --config config_v1.json

หมายเหตุ:

• Avocodo ใช้เครื่องกำเนิดไฟฟ้าเดียวกันกับ HIFI-GAN V1 และ V2 แต่ใช้ discriminators ที่แตกต่างกันสำหรับการสร้างแบบจำลองความถี่ที่ต่ำกว่าและสูงกว่า
• PQMF เป็นสิ่งสำคัญสำหรับการเลือกปฏิบัติทั้งสอง
• การสูญเสียคล้ายกับ hifi-gan
• ประสิทธิภาพและความเร็วทั้งสองเป็นสิ่งที่คล้ายกับ HIFI-GAN
• Avocodo ดีกว่า Hifi-Gan เมื่อพูดถึงการสังเคราะห์ลำโพงที่มองไม่เห็น
• การฝึกอบรม Avocodo นั้นเร็วกว่า HIFI-GAN ประมาณ 20 % นอกจากนี้ยังต้องฝึกฝนน้อยกว่าเพื่อส่งออกคุณภาพเสียงที่ยอดเยี่ยม

การอ้างอิง:

 @misc{https://doi.org/10.48550/arxiv.2206.13404,
  doi = {10.48550/ARXIV.2206.13404},
  
  url = {https://arxiv.org/abs/2206.13404},
  
  author = {Bak, Taejun and Lee, Junmo and Bae, Hanbin and Yang, Jinhyeok and Bae, Jae-Sung and Joo, Young-Sun},
  
  keywords = {Audio and Speech Processing (eess.AS), Artificial Intelligence (cs.AI), Sound (cs.SD), FOS: Electrical engineering, electronic engineering, information engineering, FOS: Electrical engineering, electronic engineering, information engineering, FOS: Computer and information sciences, FOS: Computer and information sciences},
  
  title = {Avocodo: Generative Adversarial Network for Artifact-free Vocoder},
  
  publisher = {arXiv},
  
  year = {2022},
  
  copyright = {arXiv.org perpetual, non-exclusive license}
}