WaveNet: A Generative Model for Raw Audio | DeepMind

Research WaveNet: A generative model for raw audio Published 8 September 2016 Authors Aäron van den Oord, Sander Dieleman This post presents WaveNet, a deep generative model of raw audio waveforms. We show that WaveNets are able to generate speech which mimics any human voice and which sounds more natural than the best existing Text-to-Speech systems, reducing the gap with human performance by ove

[trashtoy]

声の断片を切り貼り＆加工するという原理をベースにした既存の合成音声技術だとやはり限界があると感じていて, より自然なモデルはなんだろうと以前から考えていたら, なるほどその手があったかという印象

[mainyaa]

すごいのが出てきた。raw audioからモデルを作り、自然な発話や音楽生成まで。すごい自然に聞こえる

[sea_side]

歌を歌わせよう

[elu_18]

DeepMindがDNNによる音声合成で従来手法を大きく凌駕した。今年初め頃から自己回帰モデル+離散化モデル（softmax）の画像生成に成功したと報告していたがそれを音声に適用。同技術による認識での精度向上、高速化は時間の

[prototechno]

このあたり、追ってみよう🎵

[yowa]

特定の人の声を元に "word-like sounds" を作れたら、ノベルゲーとかでテキスト送りのポポポ音のかわりに使えそう

[MichaeL]

進撃のDeepMind

[rgfx]

ふはー

[moutend]

PixelRNN and PixelCNN inspired us to adapt our two-dimensional PixelNets to a one-dimensional WaveNet.

[izumin5210]

“We show that WaveNets are able to generate speech which mimics any human voice and which sounds more natural than the best existing Text-to-Speech systems, reducing the gap with human performance by over 50%.”

[kitanokumo]

読んでないけど音声合成がひっくり返るぐらい凄いの出たらしい。

[nikutaiha]

ai,music

[stealthinu]

英語の読み上げはリスニング力がなさすぎてどのくらい良いのかわからんのだが最後のピアノのやつは衝撃。余談だが論文翻訳させるのにGoogleの翻訳使ったらすげえ精度よくなっててさらに衝撃だった。

[sonota88]

日本語のサンプル聞いてみたい

[kimutansk]

合成音声をDLで？なんか普通に違和感なく聞けてしまうのがすごい・・・

[hiddy216]

すげー！動画もよろしく！そして帯域削減だぜ！

[K2ICE]

合成音声まで来た

[Nyoho]

すごい。英語なんかかなりなめらかに聞こえる。 #機械学習 < WaveNet: A Generative Model for Raw Audio | DeepMind

[chezou]

音声合成もDLかー/word-like sound凄い。どこかの言語っぽいからアニメとかで宇宙人のセリフに使えそう