音频样本生成器

概述

音频样本生成器（Audio Sample Generator）可以基于现有音频片段数据集生成简短样本。它可以映射输入数据的样本空间，并生成体现声音主要特征的“中间帧”或“组合帧”的音频片段。该模型架构是一种生成式对抗神经网络，由 IBM CODAIT 团队在来自 Free Music Archive 的低保真器乐和来自语音命令数据集的简短口头命令上进行训练。该模型可以生成 1.5 秒的音频样本，内容包括 up、down、left、right、stop、go 等词以及低保真器乐。该模型基于 WaveGAN 模型。

模型元数据

参考资料

• Chris Donahue、Julian McAuley 和 Miller Puckette，“Synthesizing Audio with Generative Adversarial Networks”，arXiv，2018 年。
• WaveGAN Github 代码库
• 语音命令数据集发布博客
• Free Music Archive

许可

可用于部署此模型的选项

可使用以下方法部署此模型：

• 从 Dockerhub 部署：

  docker run -it -p 5000:5000 codait/max-audio-sample-generator
  

  Show more

• 在 Red Hat OpenShift 上部署：

  遵照本教程中有关 OpenShift Web 控制台或 OpenShift Container Platform CLI 的操作说明，并指定 codait/max-audio-sample-generator 作为镜像名称。

• 在 Kubernetes 上部署：

  kubectl apply -f https://raw.githubusercontent.com/IBM//master/max-audio-sample-generator.yaml
  

  Show more

  有关如何将此 MAX 模型部署到 IBM Cloud 上的生产环境中的更详细教程，可以在此处找到。

• 本地部署：遵照 GitHub 上的模型 README 中的说明进行操作

用法示例

部署之后，您可以通过命令行测试该模型。例如，以下命令将从默认模型（低保真器乐）生成样本：

curl -X GET 'http://localhost:5000/model/predict' -H 'accept: audio/wav' > result.wav

这会将生成的音频文件保存为 result.wav，然后您就可以在自己选择的音频播放器中打开该文件。

资源和贡献

如果您有兴趣为 Model Asset Exchange 项目做出贡献或有任何疑问，按照此处的说明进行操作。

本文翻译自：Audio Sample Generator（2018-09-21）