TTS语音合成助手,TTS语音合成

声明：语音合成论文优选系列主要是共享论文，共享论文不直接翻译，写的内容主要是我对论文内容的概括和个人意见。 文章的同列统计可以访问。 语音合成http://yqli.tech/page/TTS _ paper.html。 语音识别http://yqli.tech/page/ASR _ paper.html

如果有转载的话，请填写来源。 欢迎来到微信公众号：低调

esp net2- TTS :扩展千兆以太网

本文为Human Dataware Lab. Co .Ltd、Nagoya University等2021.10.15中更新的文章，主要基于ESPNET-TTS，更加灵活更有TTS的训练工具库esp 指向具体文章的链接

3359 arxiv.org/pdf/2110.07840.pdf

(最近，我主要整理语音识别资料和网页，分享文章的情况减少了。 语音合成和语音识别的数据查询值得借鉴

3359 MP.weixin.QQ.com/s/ejcpsfs3ouhrccj7_ bv kog )

个人资料

本文主要介绍新工具ESPNET2-TTS，所以我主要总结这个版本的主要优点，具体细节不做翻译介绍：

1 )提供方便的音频处理工具和完整的模型训练脚本；

2 )提供大量预训模式：人、多人等

3 )提供SOTA的TTS方案。 主要内容如下

a ) T2M模型，即声学模型。 自回归模型(AR )有Tacotron2，Transformer-TTS，非自回归模型(NAR )有Fastspeech，Fastspeech2。 还提供了Conformer版本的模型。

b ) M2W型号，即声码器。 主要有Griffin-Lim、ParalleWaveGan、MelGan、StyleMelGan和Hifi-Gan。

c )接头- t2w模型。 主要提供上述T2M和M2W进行联合训练。

d ) e2e-t2w模型。 真正的端到端T2W，文本直接合成语音。 主要有VITS。

考试

Table 1主要比较了以下系统，表明本版本的联合培训和微调效果最好。 图1示出了纯端到端VITS受G2P影响的结果，其影响测试如table2所示。

其次进行了多人模型实验，主要比较了几个系统，结果如table3和table4所示的seenspeaker和unseen speaker。 table5和table6主要用日语进行实验，其中VITS效果很好，这个结果就在眼前揭晓了呢。