arXiv (Cornell University)· 2016· Ön baskı

WaveNet: Ham Ses Üretimi İçin Üretken Bir Model

WaveNet: A Generative Model for Raw Audio

Aäron van den Oord, Sander Dieleman, Heiga Zen, Karen Simonyan ve diğerleri

2.472atıf
2016yıl

Kısa özet

WaveNet, her ses örneğini önceki tüm örneklere göre tahmin ederek ham ses dalga formları üreten yeni bir derin sinir ağıdır ve metinden konuşmaya sentezinde son teknoloji doğallık seviyesine ulaşır.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

WaveNet, ham ses dalga formları için bir derin sinir ağıdır.
Her örneği önceki tüm örneklere göre koşullandıran, tamamen olasılıksal ve özyinelemeli bir model kullanır.
İngilizce ve Mandarin için metinden konuşmaya sentezinde son teknoloji doğallık seviyesine ulaşır.
Birden fazla konuşmacıyı modelleyebilir ve gerçekçi müzik parçaları üretebilir.
Fonem tanıma için ayırt edici bir model olarak umut vaat etmektedir.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

This paper introduces WaveNet, a deep neural network for generating raw audio waveforms. The model is fully probabilistic and autoregressive, with the predictive distribution for each audio sample conditioned on all previous ones; nonetheless we show that it can be efficiently trained on data with tens of thousands of samples per second of audio. When applied to text-to-speech, it yields state-of-the-art performance, with human listeners rating it as significantly more natural sounding than the best parametric and concatenative systems for both English and Mandarin. A single WaveNet can capture the characteristics of many different speakers with equal fidelity, and can switch between them by conditioning on the speaker identity. When trained to model music, we find that it generates novel and often highly realistic musical fragments. We also show that it can be employed as a discriminative model, returning promising results for phoneme recognition.

Yazarların özeti; kaynağından alınmıştır. arXiv (Cornell University), 2016 · DOI ↗

ÇıkarımlarPremium

Makaleye SorÜcretsiz hesapla