wordpress使用腾讯云存储,广州制作网站seo,上传更新wordpress,怎么看网站的ftp说明#xff1a;该系列文章从本人知乎账号迁入#xff0c;主要原因是知乎图片附件过于模糊。 知乎专栏地址#xff1a; 语音生成专栏 系列文章地址#xff1a; 【GPT-SOVITS-01】源码梳理 【GPT-SOVITS-02】GPT模块解析 【GPT-SOVITS-03】SOVITS 模块-生成模型解析 【G…说明该系列文章从本人知乎账号迁入主要原因是知乎图片附件过于模糊。 知乎专栏地址 语音生成专栏 系列文章地址 【GPT-SOVITS-01】源码梳理 【GPT-SOVITS-02】GPT模块解析 【GPT-SOVITS-03】SOVITS 模块-生成模型解析 【GPT-SOVITS-04】SOVITS 模块-鉴别模型解析 【GPT-SOVITS-05】SOVITS 模块-残差量化解析 【GPT-SOVITS-06】特征工程-HuBert原理 1.SOVITS 鉴别器 1.1、概述 GPT-SOVITS 在鉴别器这块在SOVITS原始版本上做了简化先回顾下SOVITS的鉴别器。主要包含三类 各个鉴别器的输出都包括两类即各层中间输出和最终结果输出分别用来计算特征损失和生成损失。如下 1.2、MRD举例 import torch import torch.nn as nn import torch.nn.functional as F from torch.nn.utils import weight_norm, spectral_normclass DiscriminatorR(torch.nn.Module):def __init__(self, hp, resolution):super(DiscriminatorR, self).__init__()self.resolution resolutionself.LRELU_SLOPE hp.mpd.lReLU_slopenorm_f weight_norm if hp.mrd.use_spectral_norm False else spectral_normself.convs nn.ModuleList([norm_f(nn.Conv2d(1, 32, (3, 9), padding(1, 4))),norm_f(nn.Conv2d(32, 32, (3, 9), stride(1, 2), padding(1, 4))),norm_f(nn.Conv2d(32, 32, (3, 9), stride(1, 2), padding(1, 4))),norm_f(nn.Conv2d(32, 32, (3, 9), stride(1, 2), padding(1, 4))),norm_f(nn.Conv2d(32, 32, (3, 3), padding(1, 1))),])self.conv_post norm_f(nn.Conv2d(32, 1, (3, 3), padding(1, 1)))def forward(self, x):fmap []# 获取频谱这里是做了窗口傅里叶变换# 傅里叶变换时,频谱数量、窗口的移动、窗口大小由参数 resolution 决定x self.spectrogram(x)x x.unsqueeze(1)for l in self.convs:# 与其他鉴别器一样经过conv-1d 和 leak-relue 形成中间层特征x l(x)x F.leaky_relu(x, self.LRELU_SLOPE)# 中间层特征被保存在 fmap 中fmap.append(x)x self.conv_post(x)fmap.append(x)x torch.flatten(x, 1, -1)# 返回各层的中间层特征 fmap 和 最终输出 xreturn fmap, xdef spectrogram(self, x):n_fft, hop_length, win_length self.resolutionx F.pad(x, (int((n_fft - hop_length) / 2), int((n_fft - hop_length) / 2)), modereflect)x x.squeeze(1)x torch.stft(x, n_fftn_fft, hop_lengthhop_length, win_lengthwin_length, centerFalse, return_complexFalse) #[B, F, TT, 2]mag torch.norm(x, p2, dim -1) #[B, F, TT]return magclass MultiResolutionDiscriminator(torch.nn.Module):def __init__(self, hp):super(MultiResolutionDiscriminator, self).__init__()self.resolutions eval(hp.mrd.resolutions)self.discriminators nn.ModuleList([DiscriminatorR(hp, resolution) for resolution in self.resolutions])def forward(self, x):ret list()# 这里做了一个不同尺度的 DiscriminatorR在 base.yml 中 mrd 的参数如下有四个不同的尺度mrd:resolutions: [(1024, 120, 600), (2048, 240, 1200), (4096, 480, 2400), (512, 50, 240)] # (filter_length, hop_length, win_length)use_spectral_norm: FalselReLU_slope: 0.2for disc in self.discriminators:ret.append(disc(x))return ret # [(feat, score), (feat, score), (feat, score)]2.GPT-SOVITS 鉴别器 2.1、主要更改 GPT-SOVITS 鉴别器结构与 SOVITS基本类似只是去除了多分辨率鉴别器其余基本一样包括多周期鉴别器的尺度也是 2, 3, 5, 7, 11。其返回结果也包含最终【生成鉴别结果】和各层输出【特征鉴别结果】两类。 class MultiPeriodDiscriminator(torch.nn.Module):def __init__(self, use_spectral_normFalse):super(MultiPeriodDiscriminator, self).__init__()periods [2, 3, 5, 7, 11]discs [DiscriminatorS(use_spectral_normuse_spectral_norm)]discs discs [DiscriminatorP(i, use_spectral_normuse_spectral_norm) for i in periods]self.discriminators nn.ModuleList(discs)def forward(self, y, y_hat):y_d_rs []y_d_gs []fmap_rs []fmap_gs []for i, d in enumerate(self.discriminators):y_d_r, fmap_r d(y) # 原始音频输入返回鉴别结果y_d_g, fmap_g d(y_hat) # 推测音频输入返回鉴别结果y_d_rs.append(y_d_r)y_d_gs.append(y_d_g)fmap_rs.append(fmap_r)fmap_gs.append(fmap_g)return y_d_rs, y_d_gs, fmap_rs, fmap_gs2.2、损失函数 y_d_hat_r, y_d_hat_g, fmap_r, fmap_g net_d(y, y_hat) with autocast(enabledFalse):loss_mel F.l1_loss(y_mel, y_hat_mel) * hps.train.c_melloss_kl kl_loss(z_p, logs_q, m_p, logs_p, z_mask) * hps.train.c_klloss_fm feature_loss(fmap_r, fmap_g)loss_gen, losses_gen generator_loss(y_d_hat_g)如前文所述这里特征损失基于各层输出计算逻辑在 feature_loss def feature_loss(fmap_r, fmap_g):loss 0for dr, dg in zip(fmap_r, fmap_g):for rl, gl in zip(dr, dg):rl rl.float().detach()gl gl.float()loss torch.mean(torch.abs(rl - gl))return loss * 2最终生成损失判别基于最终结果计算逻辑在 generator_loss def generator_loss(disc_outputs):loss 0gen_losses []for dg in disc_outputs:dg dg.float()l torch.mean((1 - dg) ** 2)gen_losses.append(l)loss lreturn loss, gen_losses