NVIDIA telah mencapai kemajuan signifikan dalam AI generasi audio dengan pengembangan BigVGAN, model yang dirancang khusus untuk mensintesis bentuk gelombang audio dengan kecepatan dan ketahanan luar biasa. Sebuah kolaborasi antara tim Riset Pembelajaran Mendalam Terapan NVIDIA dan tim NeMo, model ini dirancang untuk menangani berbagai jenis audio, termasuk ucapan, suara sekitar, dan musik. BigVGAN v2, versi terbaru BigVGAN, bertujuan untuk meningkatkan kecepatan sintesis dan kualitas audio, menghasilkan audio yang hampir tidak dapat dibedakan dari rekaman sebenarnya.

Model BigVGAN v2 dicirikan oleh kemampuannya dalam menyediakan audio berkualitas tinggi dengan beragam suara. Ini dilatih pada kumpulan data besar yang mencakup berbagai bahasa, suara lingkungan, dan instrumen, memungkinkan Anda menghasilkan gelombang suara mendetail dari satu model. Arsitektur model ini mencakup modul baru yang disebut Sintesis Multi-Periodik Anti-Aliased (AMP), yang pandai menciptakan gelombang suara frekuensi tinggi dan periodik. Inovasi ini memungkinkan BigVGAN v2 mengatasi tantangan dalam menghasilkan detail halus dalam suara frekuensi tinggi, yang merupakan kelemahan umum metode vocoding tradisional.

Sebagai terobosan dalam teknologi sintesis audio, BigVGAN v2 memperluas kapasitas laju pengambilan sampel hingga 44 kHz, mencakup seluruh spektrum pendengaran manusia. Peningkatan ini memungkinkan model mereproduksi berbagai macam suara secara akurat, mulai dari nada rendah drum hingga nada tinggi simbal. Selain itu, BigVGAN v2 secara signifikan mempercepat kecepatan sintesis dengan menggabungkan kernel CUDA yang dioptimalkan, memberikan inferensi hingga 3x lebih cepat dibandingkan pendahulunya.

Komitmen NVIDIA untuk memajukan AI generasi audio ditunjukkan dengan dirilisnya BigVGAN v2, tolok ukur baru untuk teknologi neural vocoder dan kualitas audio. Performa model yang mutakhir dan kemampuan pengomposisian yang cepat bermanfaat bagi berbagai aplikasi, mulai dari realitas virtual hingga pembuatan konten digital. Dengan BigVGAN v2, NVIDIA terus mendorong batasan dari apa yang mungkin terjadi di bidang pendengaran dengan membuat generasi audio berkualitas tinggi menjadi lebih mudah diakses dan efisien.