전체 글 (32) 썸네일형 리스트형 policy gradient 배경지식: Policy gradient identityPolicy gradient 방법에서 쓰여서 이렇게 이름붙인것뿐이고 그냥 미분대상을 f(x)대신 log(f(x))로 만들어서 수식전개나 구현상에 쉽개하려고 흔히들 쓰는 트릭임.$$\nabla_\theta \pi_\theta(s,a)= \pi_\theta(s,a) \frac{\nabla_\theta \pi_\theta(s,a)}{\pi_\theta(s,a)}= \pi_\theta(s,a)\, \nabla_\theta \log \pi_\theta(s,a)$$ 여기서 $\nabla_\theta \log \pi_\theta(s,a)$는 log policy의 gradient인데 이 값이 지금 얼마나 잘하고있는지, 이 방향으로 가는게 얼마나 좋은지 나타내는거니까.. icassp2024 Submitted to ICASSP 2024 INTELLI-Z: TOWARDS INTELLIGIBLE ZERO-SHOT TTS Sunghee Jung, Won Jang, Jaesam Yoon, Bongwan Kim Kakao Brain, Seongnam, Republic of Korea Although numerous recent studies have suggested new frameworks for zero-shot TTS using large-scale, real-world data, studies that focus on the intelligibility of zero-shot TTS are relatively scarce. Zero-shot TTS demands additional effor.. Samples_230515 Unseen speakers - Out-of-distribution (professional voice actors) Gender Reference Synthesized sample 1 Synthesized sample 2 Male Male Male Male Male Female Female Unseen speakers - In-distribution (ordinary people) Gender Reference Synthesized sample 1 Synthesized sample 2 Male Male Male Male Male Female Female Female Female Female samples2023 submitted to ICASSP 2023 "Meta-learning for zero-shot voice cloning" Sunghee Jung, Won Jang Kakao Enterprise Corpration, Seongnam, Republic of Korea Unseen speakers Reference w/o $L_{eps}, L_{cyc}, L_{adv}$ Meta-StyleSpeech Proposed Seen speakers Reference Multi-speaker TTS w/o $L_{eps}, L_{cyc}, L_{adv}$ Meta-StyleSpeech Proposed AdaSpeech: Adaptive text to speech for custom voice 보호되어 있는 글입니다. Naver Deview2020 "누구나 만드는 내 목소리 합성기2 (커스텀 보이스 파이프 라인)" 보호되어 있는 글입니다. JDI-T: Jointly trained Duration Informed Transformer for Text-To-Speech without Explicit Alignment 저자: Dan Lim, Won Jang, Gyeonghwan O, Heayoung Park, Bongwan Kim, Jaesam Yoon TTS inference를 parallel하게 돌리기 위해서는 Transformer, GAN, Flow 같은 non-sequential한 모델이 필요할 뿐만 아니라, duration predictor가 필요하다. inference할 때 duration predictor가 없으면 autoregressive하게 한땀 한땀 입력 텍스트와 이전 프레임을 보고 이에 걸맞는 새 프레임을 생성해야 한다. 하지만 duration predictor가 있다면 parallel하게, 이전 프레임에 대한 디펜던시 없이 inference를 할 수 있다. GlowTTS는 고전적인 DP로 해결하되.. Glow-TTS: A Generative Flow for Text-to-Speech via Monotonic Alignment Search 저자: Jaehyeon Kim, Sungwon Kim, Jungil Kong and Sungroh Yoon 소속: 카카오 엔터프라이즈, 서울대 Data science & AI Lab 1) Vocoder에 사용된 바 있는 Glow를 TTS에 적용 Inference speed Tacotron2 대비 15.7배 개선. 의심의 여지 없고 토론의 여지도 없지. 누군가 언젠가는 했어야 하는 일. Prosody control 여지 $\mu_i$, $\sigma_i$ Sampling from prior $\mu_i$, $\sigma_i$ -> $z_j$ $f_{dec}$ $z_j$ + speaker id -> $x_j$ 수식적으로 더한다는게 아니라, decoder의 모든 block에 speaker embedding 정.. 이전 1 2 3 4 다음
