↑: [[G検定に関する知識]]
- DeepMind開発の音声合成モデル(2016年)
- ダイレイテッド因果畳み込み(Dilated Causal Convolution)で長い過去の文脈を効率的に参照
- 生の波形(PCM)を自己回帰的にサンプルごと生成
- Googleアシスタントの音声合成に採用
- cf. [[音声合成]], [[CTC]], [[音声処理]]
- 課題:PCM波形を1サンプルずつ逐次生成するため**推論が遅い**(後に並列化したParallel WaveNet)
- HMMベース音声合成より格段に高品質
- ひっかけ:HMM(隠れ状態遷移×観測確率)でも、Seq2Seq+Attention(Tacotron系)でも、MFCC→逆フーリエ変換でもない