ترجمه فارسی مقاله تفکیک منبع یادگیری در کدک صوتی عصبی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Learning Source Disentanglement in Neural Audio Codec
عنوان مقاله به فارسی تفکیک منبع یادگیری در کدک صوتی عصبی
نویسندگان Xiaoyu Bie, Xubo Liu, Gaël Richard
فرمت مقاله انگلیسی PDF
تعداد صفحات 5
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Sound,Artificial Intelligence,Machine Learning,Audio and Speech Processing,صدا , هوش مصنوعی , یادگیری ماشین , پردازش صوتی و گفتار ,
توضیحات Submitted 17 September, 2024; originally announced September 2024. , Comments: project page: https://xiaoyubie1994.github.io/sdcodec/
توضیحات به فارسی ارسال شده 17 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد. ، نظرات: صفحه پروژه: https://xiaoyubie1994.github.io/sdcodec/
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Neural audio codecs have significantly advanced audio compression by efficiently converting continuous audio signals into discrete tokens. These codecs preserve high-quality sound and enable sophisticated sound generation through generative models trained on these tokens. However, existing neural codec models are typically trained on large, undifferentiated audio datasets, neglecting the essential discrepancies between sound domains like speech, music, and environmental sound effects. This oversight complicates data modeling and poses additional challenges to the controllability of sound generation. To tackle these issues, we introduce the Source-Disentangled Neural Audio Codec (SD-Codec), a novel approach that combines audio coding and source separation. By jointly learning audio resynthesis and separation, SD-Codec explicitly assigns audio signals from different domains to distinct codebooks, sets of discrete representations. Experimental results indicate that SD-Codec not only maintains competitive resynthesis quality but also, supported by the separation results, demonstrates successful disentanglement of different sources in the latent space, thereby enhancing interpretability in audio codec and providing potential finer control over the audio generation process.

چکیده به فارسی (ترجمه ماشینی)

کدک های صوتی عصبی با تبدیل کارآمد سیگنال های صوتی مداوم به نشانه های گسسته ، فشرده سازی صوتی قابل توجهی پیشرفته دارند.این کدک ها صدای با کیفیت بالا را حفظ می کنند و تولید صدای پیشرفته را از طریق مدل های تولیدی آموزش داده شده بر روی این نشانه ها امکان پذیر می کنند.با این حال ، مدل های کدک عصبی موجود به طور معمول بر روی مجموعه داده های صوتی بزرگ و تمایز نیافته آموزش می گیرند و از اختلافات اساسی بین حوزه های صوتی مانند گفتار ، موسیقی و جلوه های صوتی محیطی غفلت می کنند.این نظارت مدل سازی داده ها را پیچیده می کند و چالش های دیگری را برای کنترل قابلیت تولید صدا ایجاد می کند.برای مقابله با این موضوعات ، ما کدک صوتی عصبی منبع غرق شده (SD-Codec) را معرفی می کنیم ، یک رویکرد جدید که ترکیب برنامه نویسی صوتی و جداسازی منبع را دارد.SD-Codec با یادگیری مشترک و جداسازی صوتی ، صریحاً سیگنال های صوتی را از حوزه های مختلف به کتابهای کد متمایز ، مجموعه ای از بازنمودهای گسسته اختصاص می دهد.نتایج تجربی نشان می دهد که SD-CODEC نه تنها کیفیت رزینتز رقابتی را حفظ می کند ، بلکه توسط نتایج جدایی نیز پشتیبانی می شود ، نشان دهنده جداسازی موفقیت آمیز منابع مختلف در فضای نهفته است ، از این طریق تفسیر را در کدک صوتی تقویت می کند و کنترل بالقوه تری را بر فرآیند تولید صدا فراهم می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.