Мел шкаласындағы спектрограммаларды дыбыс толқынына айналдыратын нейрожелі вокодері. Оны өз дыбыс синтезі тізбегіңізде қолдануға болады.
Вокодер сөйлеу синтезінде не істейді
BigVGAN дыбыстың сандық көрінісін дыбыс толқынына айналдырады. NVIDIA мысалдарында кіріске жиіліктердің уақыт бойынша өзгеруін сипаттайтын мел шкаласындағы спектрограмма беріледі. Мәтіннен синтездеу үшін ондай спектрограмманы алдымен басқа компонент алуы керек. BigVGAN өзі сценарий оқымайды, сөз таңдамайды. Ол үйлесімді пішімдегі сандық белгілер дайын болғанда іске кіріседі.
Өз жазбаңызбен тексеру
Оқу сынағына кідірісі және бәсең ызың дауыссыздары бар екі сөйлем жазыңыз. Таңдалған салмақ параметрлері бойынша спектрограмманы есептеп, дыбысты қалпына келтіріңіз. Қарқын мен ұзақтық сәйкес келе ме, тексеріп, дауыссыздардың басын және сөздердің соңын салыстырыңыз. Нәтиже түпнұсқадан жоғары не төмен естілсе, алдымен дискреттеу жиілігі мен түрлендіру параметрлерін қараңыз. Осы тексерусіз салмақ ауыстыру тағы бір айнымалы қосуы мүмкін.
Бастапқы жазбаны өңделген файлдың қасында сақтап, екеуін бір дыбыс деңгейінде салыстырыңыз. Сөздердің анық естілуі бірдей болса да, қаттырақ нұсқа анығырақ сияқты көрінуі мүмкін.
Өз өңдеу тізбегіңізге қосу
Әзірлеуші жергілікті іске қосу мысалдарын және әртүрлі салмақ параметрлерін жариялаған. Спектрограмманы басқа модель жасаса, жиілік, терезе өлшемі және мел шкаласындағы жолақ саны сәйкес келе ме, алдын ала тексеріңіз. Үзінділер сериясы үшін осы параметрлерді бір жерде бекітіп, салмақ атауын сақтаңыз. Орта немесе бейнекарта ауысса, нәтижені қайталау оңайырақ болады.
Қандай тапсырмаларға жарайды
- Спектрограммадан оқу дыбыс үзіндісін қалпына келтіру
- Вокодерді өз дыбыс өңдеу тізбегіңізге қосу
Артықшылықтары
- Конфигурациясы бар дайын модель салмақтары
- Спектрограмманы есептеу мен дыбысты қалпына келтірудің ресми мысалы
Шектеулер
- Үйлесімді жиілік пен спектрограмма параметрлері қажет
- Мәтінмен жұмыс үшін вокодердің алдында бөлек модель керек
Таңдау және шарттар
- Тегін режим
- Иә
- Сынақ кезеңі
- Расталмаған
- Тіркелусіз
- Иә
- Орысша интерфейс
- Расталмаған
- Жергілікті орнату
- Иә
- API
- Расталмаған
«Расталмаған» деген белгі мәліметтің жеткіліксіз екенін білдіреді. Мүмкіндік бар болуы ықтимал; әзірлеушінің шарттарын тексеріңіз.
- Бастапқы пішімдер
- Аудио
- Нәтиже
- Аудио
Шарттар
NVIDIA репозиторийінде PyTorch іске асырылымы, модель салмақтары мен өңдеу мысалы бар. Бастапқы деректермен үйлесімді конфигурациясы бар салмақты таңдаңыз.Тапсырмадан алғашқы нәтижеге
Практикалық мысал
- Тапсырма
- Спектрограммадан оқу дыбыс үзіндісін қалпына келтіру
- Не дайындау керек
- Қысқа дауыс жазбасы және мел шкаласындағы спектрограмманы есептеуге үйлесімді конфигурация.
Тапсырма немесе сұрау
Модель параметрлері бойынша спектрограмманы есептеп, дыбысты қалпына келтіріңіз. Ызың дауыссыздар мен кідірістерді түпнұсқамен салыстырыңыз.
Күтілетін нәтиже
Дискреттеу жиілігі тексерілген, спектрограммадан қалпына келтірілген дыбыс толқыны.
Нәтижені қалай тексеруге болады
- Түрлендіру параметрлері мен жазба жиілігін тексеріңіз.
- Бәсең және қатты тұстардың арасындағы өтулерді тыңдаңыз.
Бұл сервисті жеке сынаудың нәтижесі емес, тапсырманы қоюға арналған редакциялық оқу мысалы. Қажетті режимнің қолжетімділігін, бастапқы материалдарға құқықтарды және нәтижені пайдалану шарттарын тексеріңіз.
Толық мәліметті тексеру
Ресми дереккөздер
- BigVGAN іске асырылымы, салмақтары және синтез мысалы
- BigVGAN вокодерінің құрылымы туралы авторлар жарияланымы
Сипаттама әзірлеуші материалдары бойынша жасалған. Мүмкіндіктер, бағалар мен қолжетімділік өзгеруі мүмкін; пайдаланбас бұрын бастапқы дереккөзбен салыстырыңыз.