HiFiGANVocoder

class torchaudio.prototype.models.HiFiGANVocoder(in_channels: int, upsample_rates: Tuple[int, ...], upsample_initial_channel: int, upsample_kernel_sizes: Tuple[int, ...], resblock_kernel_sizes: Tuple[int, ...], resblock_dilation_sizes: Tuple[Tuple[int, ...], ...], resblock_type: int, lrelu_slope: float)

HiFi GAN 的生成器部分 [Kong et al., 2020]。 来源： https://github.com/jik876/hifi-gan/blob/4769534d45265d52a904b850da5a622601885777/models.py#L75

注意

要构建模型，请使用以下工厂函数之一： hifigan_vocoder(), hifigan_vocoder_v1(), hifigan_vocoder_v2(), hifigan_vocoder_v3().

参数:

• in_channels (int) – 输入特征中的通道数。

• upsample_rates (tuple of int) – 每个上采样层增加时间维度的因子。

• upsample_initial_channel (int) – 输入特征张量中的通道数。

• upsample_kernel_sizes (tuple of int) – 每个上采样层的内核大小。

• resblock_kernel_sizes (tuple of int) – 每个残差块的内核大小。

• resblock_dilation_sizes (tuple of tuples of int) – 每个残差块中每个 1D 卷积层的扩张大小。对于 resblock 类型 1，内部元组的长度应为 3，因为每层有 3 个卷积。对于 resblock 类型 2，它们应具有长度 2。

• resblock_type (int, 1 or 2) – 确定将使用 ResBlock1 还是 ResBlock2。

• lrelu_slope (float) – 激活中 leaky ReLU 的斜率。

方法

forward

HiFiGANVocoder.forward(x: Tensor) → Tensor

参数:

x (Tensor) – 形状为 (batch_size, num_channels, time_length) 的特征输入张量。

返回:

形状为 (batch_size, 1, time_length * upsample_rate) 的张量，其中 upsample_rate 是所有层的上采样率的乘积。

工厂函数

hifigan_vocoder	构建 HiFi GAN Vocoder [Kong et al., 2020]。
hifigan_vocoder_v1	构建具有 V1 架构的 HiFiGAN Vocoder [Kong et al., 2020]。
hifigan_vocoder_v2	构建具有 V2 架构的 HiFiGAN Vocoder [Kong et al., 2020]。
hifigan_vocoder_v3	构建具有 V3 架构的 HiFiGAN Vocoder [Kong et al., 2020]。