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)

已弃用

警告

该类从 2.8 版本开始已弃用。将在 2.9 版本中移除。此弃用是 TorchAudio 向维护阶段过渡的大规模重构工作的一部分。请参阅 https://github.com/pytorch/audio/issues/3902 获取更多信息。

HiFi GAN 的生成器部分 [Kong 等人, 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 (Args)

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): 每个上采样层的卷积核大小。 resblock_kernel_sizes (tuple of int): 每个残差块的卷积核大小。 resblock_dilation_sizes (tuple of tuples of int): 每个残差块中每个一维卷积层的膨胀大小。

对于 resblock 类型 1，内部元组应长度为 3，因为每个层有 3 个卷积。对于 resblock 类型 2，它们应长度为 2。

resblock_type (int, 1 或 2): 确定是使用 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) – 输入特征张量，形状为 (batch_size, num_channels, time_length)。

返回

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

工厂函数

hifigan_vocoder	已弃用
hifigan_vocoder_v1	已弃用
hifigan_vocoder_v2	已弃用
hifigan_vocoder_v3	已弃用