Qu'est-ce qu'un vocodeur (HiFi-GAN, WaveNet) ?

Vocodeur (vocoder) est un modèle ou un algorithme qui transforme une représentation sonore (par exemple, un spectrogramme ou des paramètres de parole) en signal audio. Dans le contexte de HiFi-GAN et WaveNet, ce sont des vocodeurs neuronaux qui génèrent une parole ou un audio de haute qualité à partir de caractéristiques intermédiaires.

• WaveNet : est un modèle autoregressif qui génère un signal audio avec une grande précision, en prédisant chaque échantillon suivant basé sur les précédents. Il offre un son naturel, mais nécessite des ressources computationnelles importantes.

• HiFi-GAN : est un réseau antagoniste génératif (GAN) qui synthétise rapidement un audio de haute qualité, en conservant la naturalité et la précision. Il fonctionne beaucoup plus vite que WaveNet, ce qui est crucial pour la synthèse en temps réel.

Les deux modèles sont largement utilisés dans les systèmes de synthèse vocale (TTS), l'amélioration de la qualité audio et d'autres tâches liées à la génération de son.