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 · x · 2026-09-09
研究者转发 DeepMind 十年前的 WaveNet 原推,纪念这篇里程碑论文发表 10 周年。
- 指出「音频生成即语言建模」如今已是行业标准范式,而论文中的 dilation 卷积至今仍广泛用于各类音频编解码器和 vocoder。
- 作者回忆十年前初读时的震撼:直觉上这会永远改变语音合成;但也吐槽论文写得极其「节俭」,反复读仍觉得细节和消融实验不够——后来有作者解释,当年是为了尽快公开成果而赶稿。
所属事件:WaveNet 发布十周年：作者复盘语音合成范式十年变迁(5 条相关)→
「研究」频道最新
- 开源决策模型打《红色警戒2》：先卖基地后自瞄自炸，训练后无人能敌 — heathercmiller · 2026-10-27
- DeepMind 论文：LLM 无法自行随机采样，需外部传入随机数 — rohanpaul_ai · 2026-10-27
- 世界模型新玩法：物体赋重量摩擦系数，物理引擎推演机器人动作 — jonstephens85 · 2026-10-27
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 2026-10-27
- Mathathon 2.0 启动：与陶哲轩 SAIR 合作，团队获 150 万美元算力 — _sathvikr · 2026-10-27
- 推友提出「甜课程」真实存在：两类 ML 问题应分而治之 — mike64_t · 2026-10-27