语音合成论文优选：声码器对比基准VocBench: A Neural Vocoder Benchmark for Speech Synthesis

​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。

VocBench: A Neural Vocoder Benchmark for Speech Synthesis 

本文为Facebook在2021.12.06更新的文章，主要对语音合成领域的声码器提供对比基准，具体的文章链接https://arxiv.org/pdf/2112.03099.pdf

---

（本文出发点有意义，但实验太少不全，需要更多实验对比）

1 背景

语音合成领域的基于神经网络声码器是把低维度声学特征转成波形，是合成领域的研究热点​。但神经网络网络声码器的文章实验结果由于实验数据、实验参数和实验硬件资源的不同而无法公平的比较，无法评比SOTA方案。因此本文提出了神经网络声码器的对比基准，以期合成社区获取SOTA​方案。

2 设计

图一是本文的基准框架，所有的声码器使用​条件都相同。本文对比了三类声码器​：1）自回归声码器​：wavenet, wavernn​。2）Gan声码器​：MelGan, Parallel WaveGan。3）Diffusion​声码器：WaveGrad，​DiffWave。对比