الكودر العصبي هو كل ما تحتاجه للتحسين الفائق لجودة الصوت

تعتبر زيادة دقة التحدث (SR) مهمة تتمثل في رفع معدل عينات الصوت من خلال إنتاج المكونات ذات التردد العالي. يتم تدريب الطرق الحالية لزيادة دقة التحدث في بيئات تجريبية مقيدة، مثل نسبة التكبير الثابتة. يمكن أن تؤدي هذه القيود الشديدة إلى قدرة تعميم ضعيفة في الحالات غير المتطابقة في العالم الحقيقي. في هذا البحث، نقترح طريقة لزيادة دقة التحدث تعتمد على مولد صوتي عصبي (NVSR) يمكنها التعامل مع مجموعة متنوعة من الدقائق الإدخالية ونسب التكبير. يتكون NVSR من وحدة توسيع نطاق الميل، ووحدة مولد الصوت العصبي، ووحدة المعالجة اللاحقة. يحقق نظامنا المقترح نتائجًا رائدة على معيار VCTK متعدد المتحدثين. على الدقة المستهدفة 44.1 كيلوهرتز، يتفوق NVSR على WSRGlow و Nu-wave بنسبة 8% و 37% على التوالي فيما يتعلق بالمسافة الطيفية اللوغاريتمية ويحقق جودة حسية أفضل بشكل كبير. كما نوضح أيضًا أن المعرفة السابقة الموجودة في المولد الصوتي المدرب مسبقًا تعد أساسية لزيادة دقة التحدث عن طريق أداء توسيع نطاق الميل باستخدام طريقة البادئة البسيطة (replication-padding). يمكن العثور على العينات في https://haoheliu.github.io/nvsr.