语音合成论文优选：Parallel Tacotron: Non-Autoregressive and Controllable TTS

声明：语音合成论文优选系列主要分享论文，分享论文不做直接翻译，所写的内容主要是我对论文内容的概括和个人看法。如有转载，请标注来源。

欢迎关注微信公众号：低调奋进

---

Parallel Tacotron: Non-Autoregressive and Controllable TTS

本文是google在2020.10.22发表的文章，主要是tactron并行化，从而提高速度，具体的文章链接

https://arxiv.org/pdf/2010.11439.pdf

---

（想写Parallel Tacotron2，顺便把这篇写简略介绍一下，看过的读者可绕道）

1 研究背景

tacotron系列以合成高质量语音和闻名，但其自回归模式限制其速度，因此本文提出了非自回归parallel tacotron，当然其合成质量是接近taoctron2。本文贡献点如下：1）非自回归架构；2）使用interative loss;(其实作用甚微) 3)vae-style residual encoder;

2 详细架构

图1展示了其系统架构，主要由input encoder, residual encoder, duration decoder, spectrogram decoder构成。当然本文也需要借助外部的对齐信息来训练duration decoder （下一篇文章Parallel Tacotron2就是解决该问题）。

3 实验结果

table 1和table 2展示interative loss有些用，parallel tacotron可以接近tacotorn2。tabel3和table4使用LCONv比transformer效果好。table5,table6和table7显示使用vae效果。table8显示parallel tacotron是tacotron2差不多13倍速度。

4 总结

本文针对tacotron2自回归造成速度慢问题提出parallel tacotron，其合成质量可以接近tacotron2，速度提高差不多13倍。