wavegan

WaveGAN (v2)

正式实现了 WaveGAN 算法,这是一种 机器学习 算法,用于学习生成原始音频波形。 更新 (2019 年 2 月 2 日): 为了响应常见请求,我们对此仓库进行了大量改进:

• 添加了流式数据加载器,允许您在不进行预处理的情况下使用 MP3、WAV、OGG 等文件训练 WaveGAN
• 添加了能够生成更长音频示例(最长可达 4 秒,采样率为 16kHz)的 WaveGAN 训练功能
• 添加对任何音频采样率的支持
• 添加了对多通道音频的支持
• 与 Python 3 和 Tensorflow 1.12.0 兼容
• 旧版 (v1) 仍可在 此标签 中找到

这是 TensorFlow 官方实现的 WaveGAN（Donahue 等人，2018 年）(论文)(演示)(音频示例)。 WaveGAN 是一种 机器学习 算法，通过观察大量真实音频的示例来学习合成原始波形音频。 WaveGAN 与用于学习生成图像的流行 DCGAN 方法（Radford 等人，2016 年）相媲美。在本仓库中，我们包含了一种 WaveGAN 实现，能够学习生成长达 4 秒的 16kHz 音频。为了进行比较，我们还包含了 SpecGAN 的实现，这是一种音频生成方法，将图像生成 GAN 应用于类似于图像的音频频谱图。

WaveGAN 可以学习合成许多不同的音频域。在上图中，我们可视化了语音、鸟类鸣叫、鼓声特效和钢琴节选的真实音频和由 WaveGAN 生成的音频。这些音频示例以及更多内容可以在 这里 找到。