想问下推理速度有对比过原始LPCNet吗

[forwiat]

首先，感谢您在声码器上做的努力 我想问一下，推理速度上有与原始LPCNet做过对比吗

[zceng]

LPCNet 是自回归的，主要为cpu流式TTS推理优化，而 Parallel WaveGAN 与 LVCNet 是非自回归的，着重与更快的生成速度。在GPU上测，LVCNet 会快很多，cpu上测会慢一些

[forwiat]

想问下，为什么自回归的LPCNet，在流式TTS中，会比LVCNet这种非自回归的快呢？我理解流式与非流式的计算量应该是一样的呀？

[zceng]

计算量不一样，LPCNet的网络结构如下，本质 2 Conv + 2 Linear + 2 GRU + 1 Linear：

而 像 ParallelWaveGAN 与 LVCNet 这种非自回归的，总共包含 30 Conv，并且卷积核为 1x5，计算量要大很多的。 另外，LVCNet 是与 Parallel WaveGAN 类似的网络结构，而与 LPCNet 差别非常大。LVCNet 与 LPCNet 并没有直接的关系。

如果，关注 非自回归的速度与效果，也可以借鉴hifigan的网络， discriminator 与 loss设计。

[forwiat]

但是无论是LPCNet还是别的声码器网络，每次流的过程，也是需要整个网络都计算一遍的吧

[zceng]

是的，每个采样点计算都需要整个网络来完成计算。 而 LPCNet在 cpu上更快 是因为 网络结构小，以及一些其他速度优化； 而 ParallelWaveGAN/LVCNet/HifiGAN 做 流式，也可以通过缩减 网络结构 来达到相同的速度，但音质上会明显出现损失。

[zceng]

不过如果可以上 gpu，用 ParallelWaveGAN/LVCNet/HifiGAN 做 流式 会快很多的