NeurIPS 2019 | MelGAN：基於生成對抗網絡快速生成音頻

作者丨武廣 學校丨合肥工業大學碩士生 研究方向丨圖像生成 談到數據的生成，很多人都會想到利用生成對抗網絡（GAN）去實現，這對於圖像和視頻這種較易於編碼表示的數據是合適的。然而在實現音頻的生成時，卻是困難重重，首先音頻具有較高的時間分辨率（通常至少爲每秒 16,000 個樣本），並且在不同時間尺度上存在具有短期和長期依賴性的結構。 就目前基於 GAN 做音頻生成的文章中，基本上都是生成出音頻對應的

>>阅读原文<<