순차 생성의 부담
샘플 하나를 만든 뒤 다음 샘플을 만드는 자기회귀 파형 생성은 병렬 계산 장치의 능력을 충분히 쓰기 어렵다. Parallel WaveNet은 이 문제를 생성기의 학습 방식에서 다룬다.
확률 밀도 증류
학습된 WaveNet을 바탕으로 병렬 순방향 네트워크를 학습하는 확률 밀도 증류를 제안한다. 교사 모델의 생성 능력을 더 빠르게 샘플을 만들 수 있는 구조로 전달하려는 접근이다.
증류 없는 방식과 차이
교사를 사용하지 않는다는 뜻이 아니며, 밀도 증류 없이 학습하는 Parallel WaveGAN과도 다른 모델이다. 이름이 비슷해도 학습에 필요한 교사와 최적화 방식이 다르므로 구분해야 한다.
품질과 처리 시간
생성 속도가 빨라지는 것과 교사의 음질을 유지하는 것은 각각 평가할 항목이다. 같은 문장을 사용하고 장비 조건을 맞춰 청감과 지연을 함께 확인해야 효율화의 효과를 해석할 수 있다.
관련 문서
WaveNet / Parallel WaveGAN / WaveGlow / MelGAN / HiFi-GAN 보코더 / Tacotron 2