L’apprentissage profond produit du son || Méthodes et défis

Rejoignez la communauté AI Slack Sound: dans cette vidéo, vous pouvez en savoir plus sur les tâches de génération de sons et apprendre à classer différents types de systèmes de génération de sons. Je discuterai des méthodes et des modèles d’apprentissage profond utilisés pour générer des sons. Je décrirai également les défis liés à l’utilisation de différentes méthodes et discuterai des fonctions utilisées pour entraîner le système sonore généré. Diaporama: Souhaitez-vous m’embaucher en tant que consultant / pigiste? Suivez Valerio sur Facebook: Connectez-vous avec Valerio sur Linkedin: Suivez Valerio sur Twitter: ============================= Contenu: 0 ： 00 Introduction 0:33 Définir la tâche de la génération sonore 1:17 Classification du système de génération sonore 2:14 Types de son 3:41 Représentation sonore 4:07 Générer à partir de l’audio original 7:40 Défi de la génération audio originale 10:21 Génération à partir du spectrogramme 16:12 Avantages de la génération à partir du spectrogramme 18:07 Défi de la génération du spectrogramme 20:26 Peut-on utiliser MFCC pour générer du son? 21:26 Architecture DL pour la génération de sons 22:13 Entrée pour la génération de sons 24:03 Détails sur le système de génération de sons que nous allons construire 24:44 Et maintenant? =============================== Papier mentionné: Wavenet: Modèle de génération audio d’origine: Jukebox: Modèle de génération de musique DrumGAN: Utilisez le réseau de confrontation pour synthétiser des sons de batterie en utilisant des conditions de fonction de timbre Melnet: Un modèle génératif d’audio dans le domaine fréquentiel.