Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Modèle de Diffusion Audio
Architecture de réseau neuronal génératif qui applique un processus de diffusion et de débruitage progressif pour synthétiser des formes d'onde audio à haute fidélité à partir d'un bruit aléatoire initial.
Spectrogramme Conditionnel
Représentation temps-fréquence du signal audio utilisée comme entrée ou condition dans les modèles de diffusion, où le processus itératif de débruitage est guidé pour reconstruire une structure spectrale cohérente.
Vocodeur Neuronal
Réseau neuronal qui convertit une représentation acoustique intermédiaire, telle qu'un spectrogramme ou des caractéristiques mélodiques, en une forme d'onde audio continue, souvent intégré en fin de pipeline de diffusion audio.
Diffusion de Parole (Speech Diffusion)
Application spécialisée des modèles de diffusion pour la génération de signaux de parole, visant à capturer les nuances phonétiques, prosodiques et timbrales pour une synthèse vocale naturelle.
Diffusion Musicale (Music Diffusion)
Sous-domaine de la diffusion audio axé sur la génération de contenu musical, incluant l'harmonie, le rythme, la mélodie et le timbre, souvent conditionnée par des informations structurelles comme des partitions ou des accords.
Guidage par Classificateur (Classifier-Free Guidance)
Technique d'inférence qui renforce l'adhésion du modèle de diffusion à une condition (texte, mélodie, etc.) en interpolant entre la prédiction conditionnelle et une prédiction non conditionnelle, améliorant ainsi la fidélité et le contrôle de la génération.
Pas de Temps de Diffusion (Diffusion Timestep)
Variable discrète représentant le stade du processus de bruitage ou de débruitage, allant de 0 (signal pur) à T (bruit pur), qui conditionne le réseau neuronal pour prédire le bruit à retirer à chaque itération.
Espace Latent Audio
Représentation compressée et abstraite de données audio, obtenue via un encodeur, dans laquelle le processus de diffusion est appliqué pour réduire la complexité computationnelle tout en préservant les informations sémantiques.
Inpainting Audio
Tâche de manipulation consistant à régénérer ou à compléter une section manquante ou corrompue d'un signal audio à l'aide d'un modèle de diffusion, en se basant sur le contexte audio environnant.
Super-Résolution Audio
Processus par lequel un modèle de diffusion augmente la qualité ou la fréquence d'échantillonnage d'un signal audio de basse résolution, en ajoutant des détails haute fréquence plausibles et cohérents.
Encodage Audio Continu
Méthode de représentation qui transforme une forme d'onde discrète en un ensemble de vecteurs continus dans un espace latent, servant de base au processus de diffusion pour les modèles génératifs audio.
Conditionnement Texte-Audio
Technique où un modèle de diffusion audio est guidé par une description textuelle pour générer un son correspondant, nécessitant une architecture multimodale capable d'aligner les modalités textuelles et auditives.
Score Matching par Bruit (Denoising Score Matching)
Objectif d'entraînement fondamental pour les modèles de diffusion, qui apprend au réseau neuronal à prédire le gradient (le score) de la distribution de données par rapport à l'entrée bruitée, permettant ainsi le débruitage itératif.
Échantillonnage Stochastique
Méthode d'inférence pour les modèles de diffusion où le débruitage à chaque étape inclut une composante aléatoire, favorisant la diversité des générations mais pouvant introduire des artefacts.
Échantillonnage Déterministe (DDIM)
Stratégie d'inférence qui permet d'accélérer le processus de génération en effectuant moins d'étapes de débruitage de manière déterministe, réduisant la stochasticité pour des résultats plus reproductibles.
Modèle de Diffusion Latent (Latent Diffusion Model)
Variante de modèle de diffusion qui opère dans un espace latent de plus faible dimension, appris par un auto-encodeur, afin de rendre l'entraînement et l'inférence plus efficaces pour des données à haute résolution comme l'audio.
Transformers Convolutifs pour l'Audio
Architecture hybride combinant des couches de convolution pour capturer les motifs locaux et des mécanismes d'attention pour les dépendances à long terme, souvent utilisée comme backbone dans les U-Nets de diffusion audio.
Pipeline de Génération Audio
Séquence complète d'opérations, de l'encodage d'une condition (texte, mélodie) à la diffusion dans l'espace latent et enfin au décodage par un vocodeur, pour produire un signal audio final.
Ré-échelonnage de Bruit (Noise Rescaling)
Technique d'ajustement de la variance du bruit ajouté à chaque étape du processus de diffusion, utilisée pour stabiliser l'entraînement et améliorer la qualité des échantillons générés dans les modèles audio.