qcoding

논문 WaveNet: A Generative Model for Raw Audio 저자 Aaron van den Oord et al. (DeepMind) 학회/연도 arXiv 2016 (ICLR 2017 Workshop) arXiv 1609.03499 데모 DeepMind Blog📄 한 문단 요약WaveNet은 DeepMind가 2016년에 발표한 오디오 생성 모델이다. 핵심 아이디어는 단순하다. 음성 파형(waveform)을 16kHz로 샘플링하면 1초에 16,000개의 정수 값이 나오는데, 이것을 과거 값들을 조건으로 한 자기회귀 확률 모델로 한 샘플씩 예측한다. 핵심 구조는 희석 인과 합성곱(dilated causal convolution)으로, dilation을 1→2→4→…→512까지 ..

논문 Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Predictions 저자 Jonathan Shen et al. (Google) 학회/연도 ICASSP 2018 / arXiv 2017 arXiv 1712.05884 샘플 Google Tacotron 2 Demo📄 한 문단 요약Tacotron 2는 "텍스트를 어떻게 사람 목소리처럼 읽게 만들 것인가"라는 TTS 문제를 두 단계로 나눈 논문이다. 첫 번째 네트워크는 문자 입력을 80채널 mel spectrogram으로 변환하고, 두 번째 WaveNet vocoder는 그 spectrogram을 실제 waveform으로 합성한다. 핵심 결과는 MOS 4.526으로, 전문 성우 ..