WaveNet 是由 DeepMind 研發的一種深度卷積神經網路架構，專門用於生成高品質的原始音訊波形，最初設計目標是用於文字轉語音（Text-to-Speech, TTS）系統，能產生非常自然且逼真的人聲。
主要特點與運作原理
- 自回歸生成模型（Autoregressive Model）
WaveNet 以自回歸方式運作，逐一預測音訊序列中的每個取樣點，當前取樣點的生成會依賴於之前所有的取樣點。 - 膨脹因果卷積（Dilated Causal Convolution）
使用膨脹卷積來擴大感受野（receptive field），使模型能有效捕捉長時間範圍的音訊依賴關係，同時保持計算效率。 - 因果性（Causality）
模型只利用過去的音訊取樣來預測下一個取樣，確保生成的音訊符合時間序列的因果關係。 - 門控激活單元（Gated Activation Unit）
每層由兩個平行卷積組成，一個使用 sigmoid 激活函數，另一個使用 tanh 激活函數，兩者相乘後輸出，有助於捕捉複雜的非線性特徵。 - 高品質音訊生成
WaveNet 可生成包括呼吸聲、嘴唇聲等自然語音細節，生成的語音聽起來更自然、人性化。
應用範圍
- 文字轉語音（TTS）系統
- 語音合成與轉換
- 音樂生成
- 其他音訊生成任務
優缺點
