语音合成也被称作TTS（xt-to-speech），该技術的应用目前已十分广泛了例如智能家居设备和智能助手等，论智也曾报道过很多相关研究项目

百度研究者利用少量样本实现语音克隆

谷歌发布新语音合成模型Tacotron 2：这竟是机器说的话？

谷歌大脑发力语音搜索：一个用于的端到端模型

近日百度研究院推出了他们有关TTS的成果——ClariNet，成为百度在TTS研究上的又一里程碑此前基于神经内网络的TTS模型是将优化的文本到声谱图和波形合成模型分开来的，这可能会导致鈈理想的表现而ClariNet第一次做到了用完全的端到端TTS模型，直接将文本转换成波形图并且只需要一个即可。它的全卷积结构能够从零开始快速地训练ClariNet在语音的自然度方面成功地超越了其他方法。以下是论智对这篇论文的编译

WaveNet是DeepMind去年推出的基于的语音生成模型，它可以生成岼行的语音波形即整个句子中所有的词语都可以同时生成对应的波形。现在我们提出了一种替代WaveNet的方法，我们从自回归的WaveNet中提取一个高斯逆自回归流（Gaussian Invee autoregressive flow）并且以闭合形式计算KL散度，简化了训练算法并且提供了非常高效的蒸馏过程除此之外，我们还提出了首个针对语喑合成的文本到波形的神经架构（text-to-wave）这是全卷积的，并且可以快速地从零开始进行端到端训练除此之外，我们还成功地在模型的隐藏表示中创建了并行波形生成器

在模型中，我们用高斯自回归WaveNet作为“老师网络”将高斯逆自回归流作为“学生网络”。2018年Oord等人提出了概率密度蒸馏法来降低逆自回归流（IAF）的最大可能学习中的难度。蒸馏过程中学生网络IAF试着将它自己的样本分布与在自回归的WaveNet中训练的樣本相匹配。然而学生网络IAF的输出逻辑分布和教师网络WaveNet的输出之间的KL散度是不相容的，必须使用蒙特卡罗方法进行大概计算而最终并荇的WaveNet需要在蒸馏过程中进行双次采样：首先要将白噪声输入到学生网络中，然后从学生网络的输出分布中选择多个不同样本对KL散度进行估計

但是在我们的模型中，加入了高斯设置密度蒸馏方法只需要一个白噪声样本，然后将其输入封闭的KL散度计算中我们的学生IAF网络在蒸馏过程中和老师WaveNet使用同一个条件网络（2D卷积层）。

我们的卷积text-to-wave架构如下图所示：

它是基于另一个基于注意力的卷积TTS模型——Deep Voice 3创建的Deep Voice 3能夠将文本特征（例如字符、音素、强调等）转换成波谱特征（例如log-mel声谱和log-声谱）。这些波普特征可以输入到训练波形合成的模型中例如WaveNet。相反我们直接将从注意力机制中学习到的隐藏表示输入到神经语音中，用端到端的方式从零训练整个模型

我们所提出的架构包含四個部分：

编码器：一个和Deep Voice 3相同的编码器，它可以将文本特征编写进内部的隐藏表示

解码器：同样和Deep Voice 3相同，可以用自回归的方式将编码器Φ的内容加码城log-mel声谱

Bridge-net：这是一个卷积中间处理模块，它可以从解码器中处理隐藏表示并且预测log-linear声谱。与解码器不同的是它并非是因果联系的，并且可以使用未来的语境另外，它还可以从框架层到采样层对隐藏表示进行上采样

语音编码器：高斯自回归WaveNet可以合成波形，但是只能在上采样后的隐藏表示中实现而它可以由自回归语音编码器的学生IAF网络替换。

我们进行了几组实验来评估所提出的并行波形苼成方法和text-to-wave结构我们用了20个小时的英文演讲作为训练数据，下采样后音频变为24kHz

首先我们测试了生成语音的自然程度，用MOS分数表示：

结果表示高斯自回归WaveNet和MoGul以及softmax输出水平相当，比MoL要好

接着我们将一个60层的并行学生网络从20层的高斯自回归WaveNet中进行蒸馏，它包括6个堆叠的高斯逆自回归流每个流都由一个10层的WaveNet进行参数化。我们测试了前向和逆向KL散度结果如下：

两种蒸馏方法都得到了不错的分数，我们希望未来加入感知和对比损失后会进一步提升

最后我们从零训练了text-to-wave模型，并将其与Deep Voice 3中的同类模型相比结果如下：

该分数表明text-to-wave模型明显比其怹模型表现得好，并且有经过蒸馏的语音编码器的模型呢自回归神经编码器的表现水平相当

百度在语音合成方面的确做出了许多努力，紟年三月他们还推出了神经语音克隆系统，只需输入少量样本就能合成逼真语音而今天的ClariNet是语音合成的又一里程碑，是该领域第一个嫃正的端到端模型在上取得了更高质量的结果。

原文标题：语音合成的里程碑：百度推出首个完全端到端的TTS模型

文章出处：【微信号：jqr_AI微信公众号：论智】欢迎添加关注！文章转载请注明出处。

为了解决复杂海情环境下的不同种类和大小的舰船检测问题提出一种实时嘚深度学习的目标检测算法。首先提....

任何一个系统的感知算法里，仅仅有深度学习是不够的一定要有数据驱动的模型计算（模式较重，需要收集数据....

固态激光雷达无疑是目前汽车制造商“翘首以盼”的，考虑到今年有许多公司对外宣传他们自己的固态激光雷达....

Uber上个月加入了Linux基金会并加入了AT&T和诺基亚等其他科技公司的行列，支持LF深度学习....

针对提高视觉图像特征与优化控制之间契合度的问题本文提出┅种基于深度强化学习的机械臂视觉抓取控制优化....

随着人工智能技术的爆炸式发展，人工智能技术也在越来越多的领域内得到普及应用機器学习、深度学习等诸多....

DeepL是deep learning的缩写，意思是深度学习这是人工智能的一个方面，即模仿人类学习....

这款磁编码器分辨率很高也很好用，与光栅比太好了非常喜欢； 现在用它做云台电机的控制， 由于需要准确测量电机的角速度因...

12月18日，在庆祝改革开放40周年大会中BAT的彡位当家人都入选“改革先锋称号、中国改革友谊奖章....

自谷歌、亚马逊之后,国内厂商纷纷推出自家智能音箱。如阿里的天猫精灵、小米的尛爱、京东的叮咚、喜马拉雅....

深度学习作为现今机器学习领域中的重要的技术手段在图像识别、机器翻译、自然语言处理等领域都已经佷成熟....

在接收前，我用示波器观察过了即使编码器没发出字码，接收口还是会受到“噪声”干扰电平发生变化。而之前由于项目功能仳较多...

大家好 我正在尝试基于STM32-MCKIT硬件启动定制逆变器硬件。使用的FOC库在正交编码器模式下配置为2.0在我的定制...

百度大数据+连接垂直行业，罙挖用户价值精准拓展客户高效经营管理百度大数据+，是百度开放的新商业“能....

TensorFlow 开发者的经验水平千差万别既有首次学习机器学习的學生，也有机器学习专家和研究人....

人工智能行业领域的许多人都提出了这样一个问题：机器什么时候会达到人类的智能水平 比尔盖茨说，我们总....

嗨大家好..， 我有这个基本的疑问为什么HDL编码器在Matlab中有我们有系统发生器设计环境..？ 你在哪里使用HDL编码器...

现在人工智能教育巳成为从业者心目中的“教育3．0”。这两年几乎所有与教育相关的论坛和峰会“言必称....

无疑这收获了业界潮水般的质疑，为何其10nm一直难鉯出师有分析称，10nm工艺之难产的一个关键是最....

拉线绳式位移传感器都有哪些部件组成 拉线绳式位移传感器由编码器、钢丝线绳、弹簧、減速齿轮、铝合金外壳、弹性体材料等零部件...

Apollo 障碍物行为预测系统采用 MLP 多层感知机制通过深度神经网络与规划算法，达到精准预测....

在英特尔公司FPGA 当称实施神经网络的必然之选，它可在同一设备上处理计算、逻辑和存储资源中的不同....

本人初次接触AVR在使用MEGA64对无线编码器PT2262进荇软件解码的时候，明明接收到字码了但是解码时碰到几个问题，一...

拉线绳式位移传感器都有哪些部件组成 拉线绳式位移传感器由编码器、钢丝线绳、弹簧、减速齿轮、铝合金外壳、弹性体材料等零部件...

本文档的主要内容详细介绍的是机器人Rt800示教器的操作用户手册资料免費下载

Geoffery Hinton：这套算法解决的问题与我们大多数神经网络有很大不同。人脑大约有 100....

如今中国移动互联网的人口红利基本已经被各大互联网公司瓜分殆尽，巨头们都希望打造自己的超级 App....

随着一系列技术上的突破，人工智能在世界科技领域已经渐渐的驶进了高速车道中国老孓有一句名言是：“九层....

从1978到2018，生活发生了翻天覆地的变化：我们不再为吃穿发愁高楼大厦拔地而起。移动互联网、手....

绝对式编码器利鼡自然二进制、循环二进制（格雷码）或PRC码对码盘上的物理刻线进行光电转换将连接轴的....

本文关于自动驾驶部门，是否需要独立的问题分析的案例，覆盖中美的科技巨头如百度、谷歌（Alphab....

“过去一年内大家都很关注智能音箱，但对于创业公司而言这是非常难的一件事凊。”11月底在接受记者采....

嗨， 我尝试在低速应用程序中使用foc lib 我使用带编码器的STM3210B-MCKIT电机。 有人知道我可以通过这款电...

John McCarthy 于1956年提出了人工智能這一概念目前在机器学习领域，尤其是深度学习领....

社会媒体的重要性众所周知全球人口中，一半人是网民网民中的三分之二是社会媒体用户。

近日梅赛德斯-奔驰A级系列轿车在国内正式上市，作为新生代豪华汽车奔驰A系不仅拥有动感外形，其所配....

计算机视觉是目前AI茬中国落地最顺利的技术从目前的落地进展来看，移动互联网、安防、零售、物流、医疗....

在展览上有哪些值得关注的新技术会影响您2019年嘚产品设计呢

Optuna作为超参数优化框架可以和PFN自己的深度学习框架Chainer充分结合使用。只需要在Ch....

用户使用搭载商汤超分辨率算法的vivo X23幻彩版拍照照片放大后，远景细节呈现更加真实线条光滑....

结合用户属性标签和行为画像，这就是传统画像主要基于的数据点它是有些优势的。这種数据容易制定一些策略....

京东城市是京东集团一大新兴的业务板块包括京东集团一级事业部——城市计算事业部、集团顶级研究院-京东....

媔对几百种文书，同时解析几千个维度需要一个很庞大的工程能力、大数据处理的能力。具体到算法层面：① ....

展示几种最先进的通用句孓嵌入编码器特别是在迁移学习任务的少量数据上与 Word embedding....

中国近年AI发展迅速，专利申请数已超过美国但以专利合作条约(Patent Cooperation ....

在a&s的实测中，该机戴口罩、戴眼镜、有无胡子等异常人脸识别准确率基本达到90%以上而5种不同表情....

据了解，与2017年相比政府在2018年出台的多项政策更加强调AI落哋、AI与产业结合。2018年....

视觉系统由多组高分辨率相机组成在白天和光线较暗的地方也能很好地工作。定制化的雷达系统具有连续360....

计算机视覺是目前AI在中国落地最顺利的技术从目前的落地进展来看，移动互联网、安防、零售、物流、医疗....

来自技术咨询和服务提供商Infosys的全球性調查报告显示企业AI 已经走过了实验性阶段，它们已被....

这篇博客主要针对关注深度学习的博士应用以及自然语言处理计算机视觉，强化學习和深度学习等相关领域的学....

但Facebook的AI工作也受到了批评例如，公司正在通过人工智能以帮助提醒人类版主出现在平台上....

3月26日，百度与“小鱼在家”联合正式发布国内首款智能视频音箱“小度在家” 新品搭载了最新的百度D....

城市的环境卫生水平影响着人们日常的生产与生活体验，与此同时机械化清扫作业与垃圾的分类运输也逐渐成为....

SN74LVC257A四路2线至1线数据选择器/多路复用器设计用于2.7 V至3.6 VV CC 该器件专为需要极短传播延迟时间的高性能存储器解码或数据路由应用而设计。在高性能存储器系统中该解码器最小化了系统解码的影响。当采用利用快速使能電路的高速存储器时该解码器的延迟时间和存储器的使能时间通常小于存储器的典型存取时间。这意味着解码器引入的有效系统延迟可鉯忽略不计 二进制选择输入和三个使能输入的条件选择八条输出线中的一条。两个低电平有效使能输入和一个高电平有效使能输入可在擴展时减少对外部门或逆变器的需求无需外部逆变器即可实现24线解码器，32线解码器只需一个逆变器使能输入可用作多路分解应用的数據输入。 输入可由3.3 V或5 V器件驱动此功能允许在混合的3.3 V /5 V系统环境中将此设备用作转换器。 特性

'46A'47A和'LS47具有低电平有效输出，专为直接驱动共陽极LED或白炽指示灯而设计。 '48'LS48和'LS49具有高电平有效输出，用于驱动灯缓冲器或共阴极LED除'LS49之外的所有电路都具有完整的纹波消隐输入/输出控淛和灯测试输入。 'LS49电路采用直接消隐输入段识别和结果显示如下所示。 BCD输入计数大于9的显示模式是用于验证输入条件的唯一符号 '46A，'47A'48，'LS47和'LS48电路包含自动前沿和/或后沿零-blanking控制（RBI \和RBO \）当BI \ /RBO \节点处于高电平时，可以在任何时间执行这些类型的灯测试（LT \）所有类型（包括'49和'LS49）嘟包含一个重写消隐输入（BI \），可用于通过脉冲或抑制输出来控制灯的强度输入和输出完全兼容，可与TTL逻辑输出一起使用

这些单片BCD到┿进制解码器/驱动器由8个反相器和10个4输入与非门组成。逆变器成对连接以使BCD输入日期可用于由NAND门解码有效BCD输入逻辑的完全解码可确保所囿无效二进制输入条件的所有输出保持关闭状态。这些解码器具有高性能的n-p-n输出晶体管设计用作指示器/继电器驱动器或开路集电极逻辑電路驱动器。 SN54145SN74145或SN74LS145的每个高击穿输出晶体管（15伏）将下沉高达80毫安的电流。每个输入分别是一个54/74系列或54LS /74LS系列标准负载输入和输出完全兼嫆，可与TTL或DTL逻辑电路配合使用输出兼容大多数MOS集成电路。对于'LS145'145和35毫瓦的功耗通常为215毫瓦。 特性 输入逻辑的完全解码

SN74LVC138A 3线到8线解码器/解复鼡器设计用于2.7 V至3.6 VV CC 操作 该器件专为需要极短传播延迟时间的高性能存储器解码或数据路由应用而设计。在高性能存储器系统中该解码器朂小化了系统解码的影响。当采用利用快速使能电路的高速存储器时该解码器的延迟时间和存储器的使能时间通常小于存储器的典型存取时间。这意味着解码器引入的有效系统延迟可以忽略不计 二进制选择输入和三个使能输入的条件选择八条输出线中的一条。两个低电岼有效使能输入和一个高电平有效使能输入可在扩展时减少对外部门或逆变器的需求无需外部逆变器即可实现24线解码器，32线解码器只需┅个逆变器使能输入可用作多路分解应用的数据输入。 输入可由3.3 V或5 V器件驱动此功能允许在混合的3.3 V /5 V系统环境中将此设备用作转换器。 特性

这个1-of-2解码器/解复用器可在0.8V至2.7VV CC 下工作但具体设计用于1.65-V至1.95-VV CC 操作。 SN74AUC1G19是1-of-2解码器/解复用器此设备缓冲inputA上的数据并在启用时将其传递给输出Y 0 （true）囷Y 1 （补码）（ E ）输入信号低。 NanoFree?封装技术是IC封装概念的一项重大突破使用该封装。 所有商标均为其各自所有者的财产 参数 与其它...

CD74HC138是一款高速硅栅CMOS解码器，非常适合存储器地址解码或数据路由应用该电路具有低功耗，通常与CMOS电路相关但速度可与低功耗肖特基TTL逻辑相媲媄。该电路有三个二进制选择输入（A0A1和A2）。如果器件使能这些输入将确定HC138的8个常高输出中的哪一个将变低。 两个低电平有效和一个高電平有效（ E1 E2 和E3）以简化解码器的级联。解码器的8个输出可以驱动10个低功率肖特基TTL等效负载 特性 符合汽车应用的要求 选择八种数据输出Φ的一种低电平 I /O端口或存储器选择器 三个使能输入以简化级联 典型传播延迟为13 ns，V CC = 5 VC L = 15 pF，T A = 25°C 扇出（超温范围） 标准输出 。 10 LSTTL负载 总线驱动器輸出。 。 15

每个数据选择器/多路复用器包含反相器和驱动器以向AND-OR门提供完整的二进制解码数据选择。为两个4线部分中的每一部分提供单獨的输出控制输入 3态输出可以连接并驱动总线组织系统的数据线。除了其中一个公共输出被禁用（处于高阻态）外单个使能输出的低阻抗将总线驱动为高或低逻辑电平。每个输出都有自己的输出使能（OE）\输入当各自的OE \为高电平时，输出被禁用 特性

此解码器设计用于1.65 V臸5.5 VV CC 操作。 SN74LVC1G29设备是一个2的3解码器/解复用器当使能（> G ）输入信号为低电平时，根据A0和A1的输入电平只有一个输出处于低电平状态。当 G 为高电岼时无论输入状态如何，Y0Y1和Y2都为高电平。 此器件是为部分指定的使用I off 关闭应用程序 I off 电路禁用输出，防止电流断电时损坏电流回流

SN74HC139器件专为需要极短传播延迟时间的高性能存储器解码或数据路由应用而设计。在高性能存储器系统中该解码器可以最小化系统解码的影響。当采用利用快速使能电路的高速存储器时该解码器的延迟时间和存储器的使能时间通常小于存储器的典型存取时间。这意味着解码器引入的有效系统延迟可以忽略不计 SN74HC139器件在单个封装中包含两个独立的2线到4线解码器。低电平有效使能 G 输入可用作多路分解应用中的数據线该解码器/解复用器具有完全缓冲的输入，每个输入仅代表其驱动电路的一个归一化负载 特性 符合汽车应用的要求 专门针对高速内存解码器和数据传输系统 2 V至6 V的宽工作电压范围 输出可驱动多达10个LSTTL负载 低功耗，80-μA最大I CC 典型t pd = 10 ns ±4-mA输出驱动5 V 低输入电流1μA Max

每个数据选择器/多路複用器包含反相器和驱动器，以向AND-OR门提供完整的二进制解码数据选择为两个4线部分中的每一部分提供单独的输出控制输入。 3态输出可以連接并驱动总线组织系统的数据线除了其中一个公共输出被禁用（处于高阻态）外，单个使能输出的低阻抗将总线驱动为高或低逻辑电岼每个输出都有自己的输出启用（> OE ）输入。当各自的> OE 为高时输出将被禁用。 特性

2线至4线解码器可适用于需要极短传播延迟时间的高性能存储解码或数据路由应用在高性能存储系统中，可使用此解码器来最大限度地消除系统解码的影响与使用高速使能电路的高速存储器一起使用时，这些解码器的延迟时间和存储器的使能时间通常小于存储器的典型存取时间这意味着解码器引起的有效系统延迟可以忽畧不计。 NanoStar和NanoFree封装技术是器件封装概念的一项重大突破它将硅晶片用作封装。 该器件完全适用于使用I off 的局部掉电应用.I off 电路会禁用输出从洏在器件掉电时防止电流回流损坏器件。 特性 采用德州仪器（TI） NanoStar?和NanoFree?封装 支持5V V CC 运行 输入电压高达5.5V 支持下行转换到V CC 3.3V和15pF负载条件下t

这款双路2線至4线解码器/解复用器专为1.65 V至3.6 VV CC 操作而设计 该器件在单个封装中包含两个独立的2线到4线解码器。低电平有效使能（（G））输入可用作多路汾解应用中的数据线该解码器/解复用器具有全缓冲输入，每个输入仅代表其驱动电路的一个归一化负载 输入可由3.3 V或5 V器件驱动。此功能尣许在混合的3.3 V /5 V系统环境中将此设备用作转换器 特性

SNx4HC138器件设计用于需要极短传播延迟时间的高性能存储器解码或数据路由应用在高性能存儲器系统中，这些解码器可用于最小化系统解码的影响当使用快速使能电路的高速存储器时，这些解码器的延迟时间和存储器的使能时間通常小于存储器的典型存取时间这意味着解码器引入的有效系统延迟可以忽略不计。 特性 专门针对高速存储器解码器和数据传输系统 寬工作电压范围（2 V至6 V）

这些数据选择器/多路复用器中的每一个都包含反相器和驱动器以向AND-OR门提供全二进制解码数据选择。为两个4线部分Φ的每一部分提供单独的选通（G \）输入 特性 2 V至6 V的宽工作电压范围 输出可驱动多达15 LSTTL负载 低功耗，80-μA最大I CC 典型t pd = 9 ns ±6- mA输出驱动电压为5 V 低输入电流（最大1μA） 允许从n线到一线复用

SN74LVC157A四路2线至1线数据选择器/多路复用器设计用于2.7 V至3.6 VV CC 操作 该设备具有一个共同的选通（ G ）输入。当 G 为高时所囿输出都为低。当 G 为低电平时从两个源中选择一个4位字，并将其路由到四个输出该器件提供真实数据。 输入可以从3.3 V或5 V器件驱动此功能允许在混合的3.3 V /5 V系统环境中将此设备用作转换器。 特性

SN74LVC138A器件专为需要极短传播延迟时间的高性能存储器解码或数据路由应用而设计在高性能存储器系统中，这些解码器最小化了系统解码的影响当使用快速使能电路与高速存储器一起使用时，这些解码器的延迟时间和存储器的使能时间通常小于存储器的典型存取时间这意味着解码器引入的有效系统延迟可以忽略不计。 特性 从1.65 V运行至3.6 V 输入接受电压至5.5 V 最大值 pd

這些数据选择器/多路复用器包含反相器和驱动器可为四个输出门提供全数据选择。提供单独的选通（G）\输入从两个源中的一个中选择┅个4位字，并将其路由到四个输出 ?? HC157设备提供真实数据。 特性 2 V至6 V的宽工作电压范围 输出可驱动多达15 LSTTL负载 低功耗80-μA最大I CC 典型t pd = 11 ns ±6- mA输出驱动电壓为5 V

SN74LV138AT是一款3线到8线解码器/解复用器，专为需要极短传播的高性能存储器解码或数据路由应用而设计延迟时间在高性能存储器系统中，该解码器可用于最小化系统解码的影响当采用利用快速使能电路的高速存储器时，解码器的延迟时间和存储器的使能时间通常小于存储器嘚典型存取时间这意味着解码器引入的有效系统延迟可以忽略不计。 二进制选择输入（AB，C）和三个使能输入的条件（G1 G2A ， G2B ）选择八个輸出行中的一个两个低电平有效（G2A，G2B）和一个高电平有效（G1）使能输入可在扩展时减少对外部门或逆变器的需求无需外部逆变器即可實现24线解码器，32线解码器仅需一个逆变器使能输入可以用作多路分解应用的数据输入。 该器件完全指定为部分断电应用即 off 。 I off 电路禁用輸出防止在断电时损坏通过器件的电流回流。 特性