語音合成論文與韓國小哥“撞車”後續：英偉達“趕緊”把程式碼開源了
乾明 編輯整理
量子位 出品 | 公眾號 QbitAI
前兩天，量子位報道了韓國小哥語音合成論文與英偉達撞車一事。
在得知自己的論文與英偉達的論文“撞車”之後，韓國小哥趕緊在arXiv上提交了論文。並在GitHub上放出了自己研究的原始碼。
然後，在Reddit上分享了自己的這一遭遇，引發了大量圍觀。
英偉達論文的作者之一、負責應用深度學習的副總裁Bryan Catanzaro在回帖中點贊，並且丟擲了橄欖枝，希望發帖者能夠去英偉達實習。
韓國的小哥有沒有聯絡他，就不得而知了。
但是，英偉達也“趕緊”把自己研究的程式碼開源了。
主要內容一共有3個部分、10個小步驟，分別為設定、使用英偉達預置的模型生成音訊、訓練自己的模型。
英偉達的這個專案，名叫WaveFlow，是一個用於音訊合成基於流的生成網路。
關於WaveFlow
英偉達的研究團隊介紹稱，WaveGlow結合了OpenAI的生成網路Glow和DeepMind的WaveNet，能夠提供快速，高效和高質量的音訊合成，而無需自動迴歸（auto-regression）。
而且，WaveGlow只用單一成本函式進行訓練，然後使用單一網路實現，整個訓練過程非常簡單，而且也很穩定。
他們也介紹了使用PyTorch進行論文實現的情況：
在NVIDIA V100 GPU上以超過500 kHz的速率產生音訊樣本，平均意見得分表明，它合成的音訊質量與最佳的公開WaveNet實現一樣好。
在英偉達的官方網站上，研究團隊釋出了合成音訊，及其與原始音訊、開源WaveNet合成音訊的對比（第一遍為原始音訊，第二遍為WaveNet合成音訊，第三遍為WaveGlow合成音訊）：
傳送門
英偉達GitHub地址：
https://github.com/NVIDIA/waveglow
英偉達論文地址：
https://arxiv.org/abs/1811.00002
韓國小哥GitHub地址：
https://github.com/ksw0306/FloWaveNet
韓國小哥論文地址：
https://arxiv.org/abs/1811.02155
— 完 —
年度評選申請
加入社群
量子位AI社群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話介面回覆關鍵字“交流群”，獲取入群方式；
此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。
進專業群請在量子位公眾號（QbitAI）對話介面回覆關鍵字“專業群”，獲取入群方式。（專業群稽核較嚴，敬請諒解）
活動策劃招聘
量子位正在招聘活動策劃，將負責不同領域維度的線上線下相關活動策劃、執行。歡迎聰明靠譜的小夥伴加入，並希望你能有一些活動策劃或運營的相關經驗。相關細節，請在量子位公眾號(QbitAI)對話介面，回覆“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
վ'ᴗ' ի 追蹤AI技術和產品新動態