语音合成论文与韩国小哥“撞车”后续：英伟达“赶紧”把代码开源了

乾明 编辑整理 量子位 出品 | 公众号 QbitAI

前两天，量子位报道了韩国小哥语音合成论文与英伟达撞车一事。

在得知自己的论文与英伟达的论文“撞车”之后，韩国小哥赶紧在arXiv上提交了论文。并在GitHub上放出了自己研究的源代码。

然后，在Reddit上分享了自己的这一遭遇，引发了大量围观。

英伟达论文的作者之一、负责应用深度学习的副总裁Bryan Catanzaro在回帖中点赞，并且抛出了橄榄枝，希望发帖者能够去英伟达实习。

韩国的小哥有没有联系他，就不得而知了。

但是，英伟达也“赶紧”把自己研究的代码开源了。

主要内容一共有3个部分、10个小步骤，分别为设置、使用英伟达预置的模型生成音频、训练自己的模型。

英伟达的这个项目，名叫WaveFlow，是一个用于音频合成基于流的生成网络。

关于WaveFlow

英伟达的研究团队介绍称，WaveGlow结合了OpenAI的生成网络Glow和DeepMind的WaveNet，能够提供快速，高效和高质量的音频合成，而无需自动回归（auto-regression）。

而且，WaveGlow只用单一成本函数进行训练，然后使用单一网络实现，整个训练过程非常简单，而且也很稳定。

他们也介绍了使用PyTorch进行论文实现的情况：

在NVIDIA V100 GPU上以超过500 kHz的速率产生音频样本，平均意见得分表明，它合成的音频质量与最佳的公开WaveNet实现一样好。

在英伟达的官方网站上，研究团队发布了合成音频，及其与原始音频、开源WaveNet合成音频的对比（第一遍为原始音频，第二遍为WaveNet合成音频，第三遍为WaveGlow合成音频）：

传送门

英伟达GitHub地址： https://github.com/NVIDIA/waveglow

英伟达论文地址： https://arxiv.org/abs/1811.00002

韩国小哥GitHub地址： https://github.com/ksw0306/FloWaveNet

韩国小哥论文地址： https://arxiv.org/abs/1811.02155

— 完 —