조건부 파형 합성
압축된 음향 표현에서 일관된 원시 파형을 만드는 문제를 다룬다. 생성적 적대 학습이 오디오에 적용될 때의 어려움에 대응하도록 구조와 학습 기법을 구성한다.
샘플 단위 순차 생성과 구분
비자기회귀 구조이므로 이전 샘플이 완성될 때마다 다음 샘플을 하나씩 예측하는 방식과 다르다. 합성곱 기반 생성으로 파형을 만들며 효율성과 음질을 함께 평가한다.
적용 범위
멜 스펙트로그램 변환 외에도 음성 합성과 음악 영역 변환, 무조건 음악 합성의 질적 결과를 제시한다. 이런 실험의 범위가 모든 음악 변환 문제를 해결한다는 뜻은 아니다.
품질 확인
파형에 잡음이 적어도 입력 음향 표현의 특징을 놓칠 수 있다. 가상의 같은 멜 스펙트로그램을 여러 보코더로 변환할 때는 소리의 선명함뿐 아니라 높낮이와 발화의 유지도 비교해야 한다.
관련 문서
HiFi-GAN 보코더 / WaveNet / WaveGlow / Tacotron 2 / FastSpeech / Glow-TTS