HiFiGAN 声码器

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 [Kong 等人，2020] 的生成器部分。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 (int 的元组) – 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 (int 的元组) – 每个上采样层的核大小。

• resblock_kernel_sizes (int 的元组) – 每个残差块的核大小。

• resblock_dilation_sizes (int 的元组的元组) – 每个残差块中每个一维卷积层的膨胀大小。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，它们应该有长度 2。

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

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

方法

前向

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 upsample 率的乘积。

工厂函数

hifigan_vocoder	构建 HiFi GAN 声码器 [Kong 等人，2020].
hifigan_vocoder_v1	使用 V1 架构构建 HiFiGAN 声码器 [Kong 等人，2020].
hifigan_vocoder_v2	使用 V2 架构构建 HiFiGAN 声码器 [Kong 等人，2020].
hifigan_vocoder_v3	使用 V3 架构构建 HiFiGAN 声码器 [Kong 等人，2020].