语音合成论文和英伟达撞车,韩国小哥紧急放出全部草稿代码和样本 | 资源帖...
晓查 发自 凹非寺
量子位 报道 | 公众号 QbitAI
由于和英伟达研究撞车,韩国一位研究语音合成的作者已经哭晕了。
10月31日,英伟达在arXiv网站上传了一篇论文——WaveFlow:一个用于音频合成基于流的生成网络。
英伟达论文地址:
https://arxiv.org/abs/1811.00002
而一位韩国首尔大学的学生发现,自己的研究成果竟然和英伟达高度相似,为了和英伟达抢时间,他们在11月6日赶紧也向arXiv上传了论文。
论文第二作者昨晚还在reddit发帖,并抢时间放出源代码,以此安慰在角落哭泣的第一作者。
FloWaveNet项目
这位韩国学生公布的FloWaveNet,是一种基于流生成模型的原始音频合成方法,只需要一个最大似然损失,不需要其他额外的损失函数。该模型可以实时高效地采样原始音频,而且合成音频的清晰度已经能和WaveNet相媲美。
英伟达也公布了自己的WaveGlow:一种基于流的网络,能够从梅尔频谱图(mel-spectrograms)中合成高质量的语音。 它借鉴了OpenAI的生成网络Glow和DeepMind的WaveNet,能够提供快速,高效和高质量的音频合成,而无需自动回归(auto-regression)。 WaveGlow仅由单一成本函数进行训练,使用单一网络实现,使得训练过程简单而稳定。
源代码与合成音频样品
作者已经在GitHub上公布了FloWaveNet源代码,并和百度研究院数月前发布的语音合成项目ClariNet进行对比。
FloWaveNet项目地址:
https://github.com/ksw0306/FloWaveNet
ClariNet项目地址:
https://github.com/ksw0306/ClariNet
这两个项目都是基于PyTorch实现,此外用户还需要安装音频分析包librosa。
为了展示效果,作者还放出了与原始音频、WaveNet合成音频样品的对比(第一段为原始音频、第二段为FloWaveNet合成,第三段为WaveNet合成):
另外,英伟达也放出了自己的WaveGlow的项目和多段音频对比,但是却没有提供源代码:
https://nv-adlr.github.io/WaveGlow
不过,有英伟达论文的第三方PyTorch实现可用:
https://github.com/npuichigo/waveglow
因祸得福
帖子发出后2个小时内,获得了热烈讨论。有人分享了类似“撞车”经验,表示单枪匹马很难与大公司众多工程师竞争,自己开始某项研究数月后,就被DeepMind抢发了论文。
不过还是有人鼓励作者,英伟达的WaveGlow目前仅仅是提交到arXiv,还未正式发表,希望作者不要担心。
很快帖子就吸引来了行业大咖。英伟达WaveGlow作者之一、负责应用深度学习的副总裁Bryan Catanzaro在回帖中点赞,并且抛出了橄榄枝,希望发帖者能够去英伟达实习。
不知道这算不算因祸得福呢?
— 完 —
年度评选申请
加入社群
量子位AI社群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;
此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。
进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)
活动策划招聘
量子位正在招聘活动策划,将负责不同领域维度的线上线下相关活动策划、执行。欢迎聪明靠谱的小伙伴加入,并希望你能有一些活动策划或运营的相关经验。相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
语音合成论文和英伟达撞车,韩国小哥紧急放出全部草稿代码和样本 | 资源帖...相关推荐
- 论文Express | 英伟达最新:多模态无监督图像迁移网络框架
不久前,文摘菌给大家分享了一篇Ian Goodfellow的论文,教大家如何把一张哈士奇的图像硬生生的AI成一只猫咪,论文的结果确实会让人傻傻分不清楚,点击这里查看相关内容. 然而,今天的这篇论文效果 ...
- 语音合成论文与韩国小哥“撞车”后续:英伟达“赶紧”把代码开源了
乾明 编辑整理 量子位 出品 | 公众号 QbitAI 前两天,量子位报道了韩国小哥语音合成论文与英伟达撞车一事. 在得知自己的论文与英伟达的论文"撞车"之后,韩国小哥赶紧在arX ...
- 涂鸦一键变逼真照片,我被自己的绘画技巧惊呆了 | 英伟达朱俊彦CVPR新研究...
安妮 发自 凹非寺 量子位 出品 | 公众号 QbitAI 平静的水面上,剧变突然出现. 一条黑色弧线从半空延伸而下,划过半个圈.继而自己填满,俨然一座岩山,就这样落在水中间. 水面漾起波纹.揉揉眼睛 ...
- 本周AI热点回顾:百度推出全球首个mRNA疫苗不稳定性解决方案、性能提升20倍:英伟达GPU旗舰A100
01 百度推出全球首个mRNA疫苗不稳定性解决方案LinearDesign 新冠疫情爆发后,RNA设计领域世界知名专家.斯坦福大学生物化学系Rhiju Das教授关注到疫苗研发存在的一个非常棘手的问题 ...
- 源代码来了 | 英伟达开源行人生成/重识别代码
前几天英伟达开源了DG-Net的源码.让我们来回顾一下这篇CVPR19 Oral的论文. 论文是英伟达(NVIDIA), 悉尼科技大学(UTS), 澳大利亚国立大学(ANU)的研究人员 在CVPR19 ...
- powerbuilder TriggerEvent 参数_NLP界“威震天”袭来!英伟达1小时83亿参数打造史上最大语言模型...
[新智元导读]英伟达一举创造了2个壮举!训练出了世界上最大的语言模型--MegatronLM,包含83亿参数,比BERT大24倍,比GPT-2大5.6倍:还打破了实时对话AI的记录,仅耗时53分钟即可 ...
- 下调收入预期,股价暴跌14%,英伟达人工智能第一股的美梦将醒?
大数据文摘出品 作者:蒋宝尚.魏子敏 据<华尔街日报>报道,当地时间1月28日,英伟达(Nvidia)以"宏观经济状况恶化,特别是在中国"为由,下调了第四财季的收入预期 ...
- 【英伟达显卡黑屏问题】nvlddmkm错误
系统环境: 戴尔G15 ,Windows10 家庭版 版本21H2 (操作系统内部版本19044.2728) 英伟达RTX 3060显卡,版本: 531.18 DCH (2023年3月底的版本). 问 ...
- 2023「炼丹」GPU选购指南来了:英伟达3080和4070Ti成性价比之王
Alex 发自 凹非寺 量子位 | 公众号 QbitAI 春暖花开,各位深度学习er想不想给自己的"丹炉"升级一波? "炼丹"爱好者们应该知道,在该领域中,** ...
最新文章
- linux 把命令行结果赋值给变量;linux if语句 ; command log
- Java 中的 BigDecimal,你真的会用吗?
- 王道计算机网络 网络层整理 超详细版
- QObject::connect: No such signal QGraphicsView::mouseMovePoint(QPoint) in ***
- 东莞华勤通讯软件测试怎么样,【社招】华勤通讯NBD测试验证部急聘岗位-东莞...
- wsdl互联网短信接口_中国移动推出短信小程序
- Codeforces Round #FF (Div. 2) D. DZY Loves Modification 贪心+优先队列
- 开放API 与 查询语言GraphQL
- ElementUI:没有dist文件夹,vue项目打包后字体图标失效,变成小方框解决方案
- C++/CLI的简单介绍。from维基百科们,http://zh.wikipedia.org/zh-cn/C%2B%2B/CLI
- python 动态加载代码_python 动态网页爬取?(不是加载更多页的动态网页哟)?...
- 什么是医疗健康管理系统?
- ipad文献管理软件_【MAC上写论文有哪些好的文献管理软件可以推荐?】-看准网
- Matlab 阶乘factorial
- KindEditor上传图片及使用
- 企业微信开发服务端报错汇总(手把手教你企业微信开发五)
- Java实现简易图形编辑系统
- c语言char10是什么意思,c语言char是什么意思
- 蓝桥杯 算法提高 矩阵乘方
- untiy Socket通信一篇通
热门文章
- 打通应用隔阂,AR 如何助力互联网度过寒冬?
- Google 发布全中文机器学习速成课,曾内部培训过 1.8 万人!
- Java高级开发面试,Java面试没有项目经验
- java语言的主要特点有简单性,太厉害了!
- 输入学号查询课程c语言,广工c语言课程设计
- linux设置不同地址,ubuntu20.04设置静态ip地址(包括不同版本)
- java 多个ssl证书_java – 将多个SSL证书固定添加到Android KeyStore不起作用. (来自资源文件)...
- python质量转换程序,Python库的文件转换成MP3和设置它们的质量
- Android服务显式启动、隐式启动、绑定服务、本地客户端调用远程服务器音乐文件
- Maven项目出现web.xml is missing and 《failOnMissingWebXml》is set to true,已解决