bigvgan - bigvgan技术,学习,经验文章

救救孩子把

5 小时前

BigVGAN：探索 NVIDIA 最新通用神经声码器的前沿什么是 BigVGAN？ BigVGAN 是 NVIDIA 发布的一种通用神经声码器（universal neural vocoder），它使用 GAN（生成对抗网络）架构将梅尔频谱图转换为高保真音频波形。在 ICLR 2023 上发表，训练参数规模高达 1.12 亿（112M），训练仅用 LibriTTS 的干净语音数据，但在零样本条件（即生成未见过的说话人、语言、音乐、环境音等音频）上表现卓越。