语音合成论文优选：DelightfulTTS: The Microsoft Speech Synthesis System for Blizzard Challenge 2021

声明：平时看些文章做些笔记分享出来，文章中难免存在错误的地方，还望大家海涵。搜集一些资料，方便查阅学习：http://yqli.tech/page/speech.html。语音合成领域论文列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。如有转载，请注明出处。欢迎关注微信公众号：低调奋进。

DelightfulTTS: The Microsoft Speech Synthesis System for Blizzard Challenge 2021

本文是微软在2021.10.25更新的文章，主要是参加Blizzard Challenge 2021大赛的方案，但该方案在MOS和SMOS非常出众，具体的文章链接https://arxiv.org/pdf/2110.12612.pdf

---

1 简介

Blizzard Challenge 大赛主要为TTS领域提供交流的赛事，更好突出当前最优的TTS方案。Blizzard Challenge2021主要提供5小时的西班牙语的训练语料，本文在fastspeech和Adaspeech基础上提出了DelightfulTTS，该系统在参赛的队伍中脱颖而出，其合成的语音质量媲美​原始语音。另外除了官方提供的5小时训练语料，微软还是使用公司具有的80小时西班牙语料训练基础模型，这是其他队伍​所不具备的优势条件。结果显示，本文的方案在MOS和SMOS表现突出，媲美原始​语音。

2 详细设计

本文的方案是在FastSpeech和Adaspeech基础上设计的方案，具体如图1所示​