Autoregresyjne sieci splotowe modelujące piksele lub próbki audio sekwencyjnie, z maskowanymi lub rozszerzonymi splotami przyczynowymi.
Autoregressive convolutional networks modelling pixels or audio samples sequentially using masked or dilated causal convolutions.
Wczesne generatory, które tworzą obraz po jednym punkcie albo dźwięk po jednej drobnej próbce, zawsze patrząc wyłącznie wstecz.
Early generators that create an image one dot at a time, or sound one tiny sample at a time, always looking only backwards.
Syntezatory mowy brzmiały sztucznie, bo składały głos z gotowych kawałków albo prostych reguł, zamiast tworzyć sam dźwięk.
Speech synthesisers sounded artificial because they stitched voices from stored pieces or simple rules instead of creating the sound itself.
Jak muzyk improwizujący nuta po nucie: każdy kolejny dźwięk wybiera, słuchając wszystkiego, co zagrał wcześniej.
Like a musician improvising note by note: each next sound is chosen by listening to everything played before.
Asystent głosowy w telefonie zaczął brzmieć znacznie naturalniej, gdy jego głos zaczęto tworzyć próbka po próbce.
A phone's voice assistant began to sound far more natural once its voice was created sample by sample.