新闻就不贴了，直接贴地址
https://github.com/google/lyra
其中，libsparse_inference.so是不开源的！
这就造成了一个问题，我们没法自己训练模型，也没法调试。
行吧，自己用tensorflow再写一次。然后自己训练看看效果。
当然了，编码器那部分，并不是重点。因为我们主要考虑的是低延迟的情况下，如何解决丢包补偿问题。
Lyra是为了实现实时语音聊天功能的，例如语音电话。这里如果用TCP协议，公网环境下，会出现丢包，所以会产生TCP重传，这样就是高延迟的原因。所以，所有实时语音都是基于UDP协议的，Google的QUIC协议也是基于TCP的重传机制造成了高延迟，所以使用了UDP协议。
但是UDP会有丢包，所以都会提出PLC补偿。【如果考虑网络抖动，也可以看看Google 的NetEq开源项目】
为了模拟丢包场景，写了一个GilbertModel.我觉得这个没什么看的价值~
然后是重点wavegru_model_impl.cc
其实网络模型也很简单，比wavenet简单多了，利于在移动设备【低功耗】情况下，实时处理【推断】。
最后是训练。开源项目没有给出backward，或者train这样的方法。回去重新看了一遍论文，用的likelihood loss。我为了简单，就用了NLLLose。
还有一些细节，比如特征，量化等等，我觉得说起来就更费时间了。。~
如果有人提问，我就回答，没人提问就算了。。。
五一快乐~