Cos'è un vocoder (HiFi-GAN, WaveNet)?

Vocoder (vocoder) è un modello o algoritmo che trasforma la rappresentazione del suono (ad esempio, uno spettrogramma o parametri del parlato) di nuovo in un segnale audio. Nel contesto di HiFi-GAN e WaveNet, sono vocoder neurali che generano parlato o audio di alta qualità a partire da caratteristiche intermedie.

• WaveNet: è un modello autoregressivo che genera segnali audio con alta precisione, prevedendo ogni campione successivo in base ai precedenti. Garantisce un suono naturale, ma richiede risorse computazionali significative.

• HiFi-GAN: è una rete generativa avversariale (GAN) che sintetizza rapidamente audio di alta qualità, mantenendo naturalezza e dettaglio. Funziona molto più velocemente di WaveNet, il che è importante per il tempo reale.

Entrambi i modelli sono ampiamente utilizzati nei sistemi di sintesi vocale (TTS), miglioramento della qualità audio e altre attività legate alla generazione di suoni.