qcoding

논문 HiFi-GAN: Generative Adversarial Networks for Efficient and High Fidelity Speech Synthesis 저자 Jungil Kong, Jaehyeon Kim, Jaekyoung Bae (Kakao Enterprise) 학회/연도 NeurIPS 2020 arXiv 2010.05646 코드 jik876/hifi-gan 데모 Demo Page📄 한 문단 요약HiFi-GAN은 카카오엔터프라이즈가 NeurIPS 2020에 발표한 신경망 보코더다. 핵심 문제 의식은 하나다. "음성은 다양한 주기를 가진 사인파의 합성인데, 기존 GAN 보코더는 이 주기 구조를 제대로 포착하지 못했다." 이를 해결하기 위해 주기(period)를 [2, 3, 5..

논문 HiFi-GAN: Generative Adversarial Networks for Efficient and High Fidelity Speech Synthesis 저자 Jungil Kong, Jaehyeon Kim, Jaekyoung Bae (Kakao Enterprise) 학회/연도 NeurIPS 2020 arXiv 2010.05646 코드 jik876/hifi-gan 데모 Demo Page📄 한 문단 요약HiFi-GAN은 카카오엔터프라이즈가 NeurIPS 2020에 발표한 신경망 보코더다. 핵심 문제 의식은 하나다. "음성은 다양한 주기를 가진 사인파의 합성인데, 기존 GAN 보코더는 이 주기 구조를 제대로 포착하지 못했다." 이를 해결하기 위해 주기(period)를 [2, 3, 5..

* 본실습은 딥러닝 생성모델인 GAN에 대한 간단한 실습이다. 향후에 GAN을 이용하여 시계열 데이터를 생성하는 실습을 진행예정으로 이를 준비하기 위해서 GAN의 간단한 코드를 구현해 보는 실습을 하였다. 해당 실습은 아래의 코드를 보고 진행하였다. https://machinelearningmastery.com/how-to-develop-a-generative-adversarial-network-for-a-1-dimensional-function-from-scratch-in-keras/ 이번 실습의 내용을 정리하면 y=x^2에 해당하는 data sample을 가지고 학습시켜 실제와 비슷한 분포를 지닌 가짜 sample을 만드는 것으로 epoch가 진행됨에 따라 실제 data 와 유사해 지는 것을 볼 수 ..