AutoVocoder

AutoDocoder：使用可区分的数字信号处理从学习的语音表示产生快速波形

使用可区分的数字信号处理从学习的语音表示，自动编码器的非正式Pytorch实现：快速波形的生成。该存储库基于ISTFTNET GITHUB（纸） 。

Disclaimer : This repo is built for testing purpose.

训练 ：

 python train.py --config config.json

在train.py中，更改--input_wavs_dir到ljspeech-1.1/wav的目录。
在config.json中，更改AV128 ， AV192和AV256 （默认值）的latent_dim 。
考虑到Section 3.3 ，您可以在cartesian （默认值）， polar和both之间选择dec_istft_input 。

笔记：

• 培训期间的验证损失AV256 。

  

• 在我们的测试中，它比HIFI-V1（指官方存储库）快了几乎3倍。

引用：

 @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}
}

参考：

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