懂AI

UnivNet学习资料汇总 - 高保真波形生成的神经声码器

RayRay
UnivNet神经合成器高保真波形生成音频样本GANGithub开源项目

UnivNet简介

UnivNet是由Kakao公司的Jang等人提出的一种神经声码器,用于从mel频谱图生成高保真的语音波形。它的主要特点是采用了多分辨率频谱图判别器,能够生成更高质量的语音。

论文地址:UnivNet: A Neural Vocoder with Multi-Resolution Spectrogram Discriminators for High-Fidelity Waveform Generation

代码实现

目前有两个主要的UnivNet PyTorch实现:

  1. maum-ai/univnet: 非官方实现,但效果与原论文相当

  2. rishikksh20/UnivNet-pytorch: 另一个非官方实现

maum-ai/univnet实现特点

  • 与原论文的客观指标(PESQ和RMSE)相匹配
  • 提供了UnivNet-c16和c32两个版本的预训练模型
  • 使用与HiFi-GAN相同的mel频谱图计算方法,与NVIDIA/tacotron2兼容
  • 提供了详细的数据准备、训练和推理说明

UnivNet模型架构

预训练模型

maum-ai/univnet提供了在LibriTTS train-clean-360数据集上训练的预训练模型:

音频样本

可以在这个页面听取UnivNet生成的音频样本。

实验结果

在LibriTTS验证集上的评估结果:

模型PESQ(↑)RMSE(↓)模型大小
HiFi-GAN v13.540.42314.01M
官方 UnivNet-c163.590.3374.00M
maum-ai UnivNet-c163.600.3174.00M
官方 UnivNet-c323.700.31614.86M
maum-ai UnivNet-c323.680.30414.87M

可以看出,maum-ai的实现在客观指标上与官方结果相当甚至更好。

使用指南

环境配置

需要的主要依赖:

  • Python 3.6
  • PyTorch 1.6.0
  • NumPy 1.17.4
  • SciPy 1.5.4

安装其他依赖:

pip install -r requirements.txt

数据准备

  • 下载LibriTTS train-clean-360数据集
  • 解压到datasets/LibriTTS/train-clean-360目录
  • 准备元数据文件,格式为: 
    path_to_wav|transcript|speaker_id

训练

  1. 配置文件:

    cp config/default_c32.yaml config/config.yaml

  2. 修改config.yaml中的数据路径等参数

  3. 运行训练:

    python trainer.py -c config/config.yaml -n experiment_name

推理

python inference.py -p CHECKPOINT_PATH -i INPUT_MEL_PATH -o OUTPUT_WAV_PATH

参考资料

希望这个学习资料汇总能帮助大家快速入门UnivNet,有任何问题欢迎讨论交流!

编辑推荐精选

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

下拉加载更多