在学习WaveRNN的过程中，除了原文之外呢，网上写的比较全面、细致的博客可以找到一篇（https://www.jianshu.com/p/b3019f2773ed）。首先，我们这里先转载一下这篇博客。然后，在此基础上又做了一些详细的介绍，特别是对于subscale的部分。简介这篇博客主要内容是语音合成的新技术，WaveRNN, 谷歌最新提出的语音合成算法，可...

人工智能领域中声源定位的研究与发展------第三章 展望

人工智能领域中声源定位的研究与发展------第二章 声源定位系统 (6)

Neural vocoder层出不穷， 但是WaveNet仍然是重中之重。作为后续变种的基础和参考对比目标，还是需要先对WaveNet进行比较深入的了解，才能为后续演变后的vocoder的学习打下基础。这边文章算是查学习了网上很多相关资料的综合版本，做个云笔记，大家一起讨论学习。文章大概的一个形式是顺着原文的走势， 翻译的基础上加上细节的展开。摘要：文章主要提...

1.高斯混合模型概述高斯密度函数估计是一种参数化模型。高斯混合模型（Gaussian Mixture Model, GMM）是单一高斯概率密度函数的延伸，GMM能够平滑地近似任意形状的密度分布。高斯混合模型种类有单高斯模型（Single Gaussian Model, SGM）和高斯混合模型（Gaussian Mixture Model, GMM）两类。类似于聚类，根据高斯概率密度函数（Pro

1.高斯混合模型概述高斯密度函数估计是一种参数化模型。高斯混合模型（Gaussian Mixture Model, GMM）是单一高斯概率密度函数的延伸，GMM能够平滑地近似任意形状的密度分布。高斯混合模型种类有单高斯模型（Single Gaussian Model, SGM）和高斯混合模型（Gaussian Mixture Model, GMM）两类。类似于聚类，根据高斯概率密度函数（Pro

1. Recurrent Neural Network (RNN)尽管从多层感知器（MLP）到循环神经网络（RNN）的扩展看起来微不足道，但是这对于序列的学习具有深远的意义。循环神经网络（RNN）的使用是用来处理序列数据的。在传统的神经网络中模型中，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题是无能为力的。比如，预测句子的下一个单词是什么，一般需要用到前面的单

1.高斯混合模型概述高斯密度函数估计是一种参数化模型。高斯混合模型（Gaussian Mixture Model, GMM）是单一高斯概率密度函数的延伸，GMM能够平滑地近似任意形状的密度分布。高斯混合模型种类有单高斯模型（Single Gaussian Model, SGM）和高斯混合模型（Gaussian Mixture Model, GMM）两类。类似于聚类，根据高斯概率密度函数（Pro

线性判别分析（Linear discriminant analysis, LDA），是一种监督学习算法，也叫做Fisher线性判别（Fisher Linear Discriminant, FLD），是模式识别的经典算法，它是在1996年由Belhumeur引入模式识别和人工智能领域的。

TIMIT数据库介绍：TIMIT数据库由630个话者组成，每个人讲10句，美式英语的8种主要方言。TIMIT S5实例：首先，将TIMIT.ISO中的TIMIT复制到主文件夹。1.进入对应的目录，进行如下操作：zhangju@ubuntu :~$ cd kaldi-trunk/egs/timit/s5/zhangju@ubuntu :~/kaldi-tr