WaveNet 发布十周年：作者复盘语音合成范式十年变迁
WaveNet 迎来发布十周年。2016 年 Google DeepMind 公布的这篇研究以自回归、长上下文方式直接生成原始语音波形，取代了当时主导的拼接式与统计参数式合成，效果惊人。合作者 Heiga Zen 与 DeepMind 研究员 Sander Dieleman 均撰文纪念，回顾十年间语音合成从波形生成走向端到端再到多模态 LLM 的范式演进。
已确认
- WaveNet 于 2016 年由 DeepMind 发布，Heiga Zen 参与合作，用直接生成原始音频波形的方式颠覆了拼接合成与统计参数合成两大旧范式。
- Sander Dieleman 回顾称，当年采用自回归+长上下文方案，未用 Transformer 是因为它还要一年才被发明（Transformer 于 2017 年提出）。
- Dieleman 指出「音频生成即语言建模」如今已是行业标准范式；论文中的 dilation（空洞）卷积至今仍广泛用于各类音频编解码器和 vocoder。
- 研究者 @santty128 引用 Dieleman 的回顾并感叹 TTS 范式已彻底转变：端到端方法打破了多个语音合成的归纳偏置。
- Heiga Zen 的复盘梳理了十年演进脉络：从 WaveNet 的波形生成，到端到端时代，再到多模态 LLM 时代的语音合成。
为什么重要
- WaveNet 是语音与音频生成领域的里程碑，其确立的自回归生成范式深刻影响了后续十年乃至今天的音频大模型、编解码器与 vocoder 设计。
- 十年节点上的作者亲自复盘，为理解语音合成技术路线从波形建模到多模态 LLM 的迁移提供了难得的一手视角。
2026-09-09 ~ 2026-09-10 · 5 条相关
一手来源
- WaveNet 发表十周年：作者回顾语音合成从波形生成到多模态 LLM — heiga_zen ·
- WaveNet 发布十周年,作者回顾端到端 TTS 范式转变 — DocXavi ·
- WaveNet 十周年:扩散卷积仍遍布编解码器,语音生成范式源自此文 — heiga_zen ·
- WaveNet 十年:Google 研究员复盘语音合成从波形生成到多模态 LLM — heiga_zen · 2026-09-09
- WaveNet 发布十周年：比 Transformer 更早的长上下文自回归 — teropa · 2026-09-09
- 【源头】WaveNet 十周年:扩散卷积仍遍布编解码器,语音生成范式源自此文 — heiga_zen · 2026-09-09