Jan, 2019

基于对抗学习的正弦波生成网络及应用：合成青蛙叫声以进行数据增强

HTML
PDF
TL;DR该论文基于对抗学习提出生成模型，可用于合成信号，利于数据增强和数据分析。在实验中，研究了几种设计目标函数的方法，并使用真实和合成音频进行卷积神经网络训练，分类结果定性定量表明，该生成模型可以产生真实信号。
发现论文，激发创造
  • WaveNet：原始音频的生成模型

    该研究介绍了 WaveNet，一种用于生成原始音频波形的深度神经网络，该模型是完全概率的和自回归的，应用于文本到语音，产生了最先进的性能，用于模拟音乐，生成新颖且高度逼真的音乐片段，并可作为一种判别模型返回有希望的语素识别结果。

    Sep, 2016

  • 对抗性音频合成

    本篇论文介绍了WaveGAN，这是将GANs应用到无监督的原始音频波形合成中的第一个尝试。WaveGAN能够合成具有全局一致性的音频波形，适用于音效生成，并且实验结果表明，它能够在没有标签的情况下学习生成一些可理解的单词和其他领域（如鸟类鸣叫、钢琴和鼓声等）的音频。

    Feb, 2018

  • 应用于音频合成中的时频特征对抗生成

    本文研究TF表示的生成建模以及音频的生成，使用短时傅里叶变换讨论了在生成可逆的TF特征上合成音频的挑战和方法，并通过训练GAN演示了基于生成TF建模的潜力。

    Feb, 2019

  • GANSynth：对抗神经音频合成

    本文介绍了在频谱域中建模日志幅度和瞬时频率可提高GAN在音频合成方面的表现，并通过NSynth数据集的大量实证研究表明，GAN能够比强WaveNet基线在自动化和人工评估指标上表现更好，而且比自回归模型产生的音频快几个数量级。

    Feb, 2019

  • HiFi-GAN: 高效高保真语音合成的生成对抗网络

    该研究提出了 HiFi-GAN，一种高效且高保真度的语音合成方法，通过对声音的周期性模式进行建模，生成的音频质量接近于人类水平。

    Oct, 2020

  • Fre-GAN:对抗训练的频率一致音频合成

    本文提出了一种名为“Fre-GAN”的神经音源模型，通过分辨率连接生成器和分辨率智能的鉴别器，在多个频带中学习各种尺度的频谱分布，有效地实现高保真频率一致性音频合成，并在质量和MOS上优于标准模型。

    Jun, 2021

  • 具备物理声场先验的生成对抗网络

    该论文提出了一种基于深度学习的方法，使用生成对抗网络（GANs）对声场进行时空重建。该方法利用平面波基础，并学习房间内压力的潜在统计分布，以从有限数量的测量中准确重建声场。该方法的性能经过两个已建立的数据集评估，并与最先进的方法进行比较。结果表明，该模型能够在准确性和能量保持方面实现改进的重建性能，尤其是在高频范围和超过测量区域的外推时。此外，所提出的方法能够处理不同数量和配置的测量位置而不影响性能。结果表明，该方法为使用生成模型进行声场重建提供了一种有前景的方法，允许对声学问题进行物理上明确的先验条件。

    Aug, 2023

  • 信噪比对应用于海洋生物声学数据的生成对抗网络的影响

    探讨信噪比对音频生成对抗网络（GAN）性能的影响，以及针对GAN性能的三种不同评估方法，得出关于信噪比对GAN和WaveGAN的影响的有趣结果。

    Dec, 2023

  • EVA-GAN: 提升各种音频生成的可扩展生成对抗网络

    通过扩展性生成对抗网络（EVA-GAN）以及使用大规模模型、高保真音频生成、领域外数据鲁棒性以及频谱与高频重建方面的显著改进，我们的工作能够通过采用36000小时的44.1kHz音频数据集、上下文感知模块和人在循环中的工件测量工具包，并对模型扩展至约2亿个参数，实现高保真音频的生成。

    Jan, 2024

  • 深度学习音频生成方法概述

    本文综述了音频生成中深度学习模型开发所使用的典型技术，包括音频表示、深度学习架构变体及其实际应用，以及常用的评估指标。该文章旨在为音频生成领域的初学者和新手提供对当前最先进的音频生成方法及相关研究的全面理解，以供未来研究探索。

    May, 2024