Github | MelGAN 超快音频合成源码开源

点上方蓝字计算机视觉联盟获取更多干货

在右上方 ··· 设为星标 ★，与你不见不散

编辑：Sophia
计算机视觉联盟  报道  | 公众号 CVLianMeng

转载于 ：https://github.com/descriptinc/melgan-neurips

推荐文章【点击下面可直接跳转】：

AI博士笔记系列推荐：

以前的工作已经发现，使用GAN生成相干的原始音频波形具有挑战性。在本文中，我们表明通过引入一组体系结构更改和简单的训练技术，可以可靠地训练GAN以生成高质量的相干波形。主观评估指标（平均意见得分，或MOS）显示了所提出的方法对高质量的Mel谱图反演的有效性。为了建立所提出技术的通用性，我们在语音合成，音乐域翻译和无条件音乐合成中显示了模型的定性结果。我们通过消融研究评估模型的各个组成部分，并提出一套指导原则，以设计用于条件序列合成任务的通用鉴别器和发生器。我们的模型是非自回归的，完全卷积的，与竞争模型相比，参数要少得多，并且可以推广到看不见的说话者进行梅尔谱图反演。我们的pytorch实施在GTX 1080Ti GPU上的运行速度比实时快100倍以上，在CPU上的运行速度比实时快2倍以上，而没有任何针对硬件的优化技巧。即将发布带有示例和随附代码的博客文章。

请访问我们的网站获取样本。您可以尝试使用MelGAN根据端到端语音合成管道创建的语音纠正应用程序。

如果您不参加NeurIPS 2019会议，请查看幻灯片以查看我们的海报。

END

声明：本文来源于Github

如有侵权，联系删除

联盟学术交流群

扫码添加联盟小编，可与相关学者研究人员共同交流学习：目前开设有人工智能、机器学习、计算机视觉、自动驾驶（含SLAM）、Python、求职面经、综合交流群扫描添加CV联盟微信拉你进群，备注：CV联盟  

最新热文荐读

点个在看支持一下吧