NU-Wave：一种用于神经音频上采样的扩散概率模型
音频与语音处理
2022-11-10 v2 人工智能
机器学习
摘要
在本工作中，我们介绍 NU-Wave，首个从粗粒度的 16kHz 或 24kHz 输入生成采样率为 48kHz 波形的神经音频上采样模型，而先前工作至多只能生成 16kHz。NU-Wave 是基于神经声码器构建的首个用于音频超分辨率的扩散概率模型。NU-Wave 生成的高质量音频在信噪比（SNR）、对数谱距离（LSD）和 ABX 测试准确率方面均取得高性能。在所有情况下，尽管 NU-Wave 的模型容量（3.0M 参数）远小于基线模型（5.4–21%），其表现仍优于基线模型。我们模型的音频样本可在 https://mindslab-ai.github.io/nuwave 获取，代码将很快公开。
引用
@article{arxiv.2104.02321,
title = {NU-Wave: A Diffusion Probabilistic Model for Neural Audio Upsampling},
author = {Junhyeok Lee and Seungu Han},
journal= {arXiv preprint arXiv:2104.02321},
year = {2022}
}
备注
Accepted to Interspeech 2021