语音合成（speech synthesis）方向十：GAN在声学模型干了什么？

声明：工作以来主要从事TTS工作，平时看些文章做些笔记。文章中难免存在错误的地方，还望大家海涵。平时搜集一些资料，方便查阅学习：TTS 论文列表 http://yqli.tech/page/tts_paper.html TTS 开源数据 http://yqli.tech/page/data.html。如转载，请标明出处。欢迎关注微信公众号：低调奋进

本文整理一下GAN在语音合成声学模型上的研究，统计可能不全。GAN在语音合成中的应用更多是在声码器部分，而在声学模型部分的研究很少。使用GAN的目的更多解决过平滑问题，从而使韵律更好，情感表达更丰富。本文搜集近几年的文章，做简短的总结：

---

基于tacotron

   1) TFGAN: A Lightweight Library for Generative Adversarial Networks  (2017)

          https://ai.googleblog.com/2017/12/tfgan-lightweight-library-for.html

   2) A new gan-based end-to-end tts training algorithm (2019)

          https://arxiv.org/pdf/1904.04775.pdf

   3) A New End-to-End Long-Time Speech Synthesis System Based on Tacotron2 （2019）

          https://sci-hub.se/https://doi.org/10.1145/336490