AutoVocoder

AutoDocoder：使用可區分的數字信號處理從學習的語音表示產生快速波形

使用可區分的數字信號處理從學習的語音表示，自動編碼器的非正式Pytorch實現：快速波形的生成。該存儲庫基於ISTFTNET GITHUB（紙） 。

Disclaimer : This repo is built for testing purpose.

訓練 ：

 python train.py --config config.json

在train.py中，更改--input_wavs_dir到ljspeech-1.1/wav的目錄。
在config.json中，更改AV128 ， AV192和AV256 （默認值）的latent_dim 。
考慮到Section 3.3 ，您可以在cartesian （默認值）， polar和both之間選擇dec_istft_input 。

筆記：

• 培訓期間的驗證損失AV256 。

  

• 在我們的測試中，它比HIFI-V1（指官方存儲庫）快了幾乎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}
}

參考：

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