A Survey of Deep Learning Audio Generation Methods

本文介绍了用于音频生成深度学习模型开发的三个不同方面的典型技术的综述。在文章的第一部分中，我们提供了音频表示的解释，从基本的音频波形开始。然后我们进一步介绍了频域，重点介绍了人类听觉的属性，并最终介绍了一个相对较新的发展。文章的主要部分集中于解释基本和扩展的深度学习架构变体，以及它们在音频生成领域的实际应用。以下架构被介绍：1）自编码器2）生成对抗网络3）归一化流4）变压器网络5）扩散模型。最后，我们将检查常用于音频生成的四个不同的评估指标。本文旨在为初学者提供全面的音频生成方法的最新技术以及相关研究的理解，以供未来的研究探索。

本论文旨在综述音频生成领域中深度学习模型开发的三个方面，包括音频表示、深度学习架构和评估指标。具体而言，论文试图解决如何使用深度学习技术生成高质量的音频的问题。

论文中提出了基于深度学习的五种音频生成架构，包括自编码器、生成对抗网络、归一化流、Transformer网络和扩散模型。这些架构的应用可以生成高质量的音频，相比当前领域的研究，本论文的关键思路在于提出了这些新型的深度学习架构。

论文详细介绍了音频表示的基础和进阶知识，包括音频波形、频域和人类听觉属性。在实验设计方面，论文使用了多个数据集，并提供了开源代码。此外，论文还介绍了四种常用的音频生成评估指标，为后续的研究提供了参考。

在音频生成领域，近期的相关研究包括：1）基于深度学习的音频合成方法综述；2）使用生成对抗网络生成音频的研究；3）语音合成中的归一化流方法研究。