本周为TechBeat人工智能社区第309期线上Talk，也是ICLR 2021系列Talk第⑪期。
北京时间5月27日(周四)晚8点，ICLR 2021 Oral一作、UCSD在读博士—孔之丰的第二场Talk将准时在TechBeat人工智能社区开播！
他与大家分享的主题是: “DiffWave: 一种基于降噪扩散概率模型的普适音频生成模型”，届时将针对作者ICLR 2021 Oral Paper 《Diffwave: A Versatile Diffusion Model For Audio Synthesis》作出介绍。
为了帮助大家更好地理解工作，孔之丰上周曾在TechBeat介绍了相关生成模型的基础，对生成模型进行简短的综述，并详细介绍了DDPM和WaveNet两类模型，戳TechBeat回顾。
Talk·信息
▼
主题：DiffWave，一种基于
降噪扩散概率模型的普适音频生成模型
嘉宾：加州大学圣地亚哥分校
在读博士生 孔之丰
时间：北京时间 5月27日 (周四) 20:00
地点：TechBeat人工智能社区
https://www.techbeat.net/talk-info?id=529
Talk·提纲
▼
音频生成具有十分广泛的应用，其包含若干种不同的任务，包括声码器(从梅尔图谱生成语音)，基于类别标签的生成以及无条件的生成。传统的声码器模型都具有明显短板，如生成速度慢，占用体积大，或语音质量有较大的提升空间。在基于类别标签以及无条件的生成领域，目前尚无质量较好的纯粹基于声波数据的模型。
本文提出DiffWave模型，其既可以作为一个语音质量SOTA，占用体积小且快于实时生成的声码器，也能在基于类别标签以及无条件的生成上实现巨大的提升。
本次分享的主要内容如下：
[1]. 语音合成/生成简介，与图像数据的差异以及难点，背景模型介绍
[2]. DiffWave：基于降噪扩散概率模型的普适音频生成器
[3]. 实验：声码器，基于类别标签和无条件生成，以及额外展示
Talk·参考资料
▼
这是本次分享中将会提及的资料，建议提前预习哦！
[1]. DDPM 1:
https://arxiv.org/pdf/1503.03585.pdf
[2]. DDPM 2:
https://arxiv.org/pdf/2006.11239.pdf
[3]. WaveNet:
https://arxiv.org/pdf/1609.03499.pdf
[4]. Others (background)：
https://deepmind.com/blog/article/wavenet-generative-model-raw-audio
[5]. Talk—DiffWave基础, 生成模型介绍：
https://www.techbeat.net/talk-info?id=524
Talk·提问交流
▼
通过以下方式提问将获得微信现金红包奖励哦！
在Talk界面下的【交流区】参与互动！留下你的打call和问题，和更多小伙伴们共同讨论，被讲者直接翻牌解答！
孔之丰 UCSD在读博士
孔之丰，本科毕业于西安交通大学数学系，现在是加州大学圣地亚哥分校计算机科学的三年级博士生，导师是Kamalika Chaudhuri, 主要的研究方向为生成模型的理论，理解与应用。在ICLR、AISTATS、AAAI等会议发表论文，获得百度美国研究院和英伟达深度学习研究院的研究实习。
关于TechBeat人工智能社区
▼
TechBeat(www.techbeat.net)隶属于将门创投，是一个荟聚全球华人AI精英的成长社区。
我们希望为AI人才打造更专业的服务和体验，加速并陪伴其学习成长。
期待这里可以成为你学习AI前沿知识的高地，分享自己最新工作的沃土，在AI进阶之路上的升级打怪的根据地！
更多详细介绍>>TechBeat，一个荟聚全球华人AI精英的学习成长社区
花粉社群VIP加油站
关于作者
猜你喜欢
