Reconstruction of Audio Recordings Using Machine Learning Techniques

Rekonstrukcija zvuka područje je dubokog učenja koje je još uvijek u razvoju. Ovaj se rad bavi generativnim suparničkim mrežama i korištenjem suparničkog treninga na parovima zvuka niske i visoke razlučivosti kako bi se stvorio model za rekonstrukciju zvuka. Detaljno su opisane duboke konvolucijske i generativnesuparničke mreže. Implementiran je duboki konvolucijski U-Net suparnički model, te su ispitane dvije funkcije gubitka - Wasserstein i Relativistički gubitak. Model je evaluiran na VCTK skupu podataka. Na kraju su prikazani rezultati i slike spektrograma.Audio super resolution is still a developing field in deep learning. This paper deals with generative adversarial networks and using the adversarial training on pairs of low and high resolution audios to create a model for audio super resolution. Deep convolutional and generative adversarial networks are described in detail. A deep convolutional U-Net adversarial model is implemented, and two adversarial loss functions are tested - Wasserstein and Relativistic loss. Model is evaluated on VCTK dataset. Finally, the results and spectogram images are presented