基于梯度下降的声码器 使用梯度下降法恢复梅尔谱图的相位 该项目的基本思想是尝试从频谱图中恢复音频数据。 已经有可以做到这一点，在某些情况下，它甚至可以从频谱图中完美地重建音频。 但是，我面临的挑战是我将音频合并到，将幅度数据压缩2倍，使原始数据无法恢复。 Griffin-Lim只能通过从压缩的Mel箱中创建原始光谱图的模糊版本来使用。 在这种情况下，我们如何（仅略微改善）Griffin-Lim？ 好了，这里有最先进的模型，但是我试图对未压缩的数据使用梯度下降，使用STFT重建误差和相对于梅尔谱