自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 论文阅读:VITS2: Improving Quality and Efficiency of Single-Stage Text-to-Speech with Adversarial

单阶段文本到语音模型最近被积极研究,其结果优于两阶段管道系统。以往的单阶段模型虽然取得了较大的进展,但在间歇性非自然性、计算效率、对音素转换依赖性强等方面仍有改进的空间。本文提出VITS2,一种单阶段的文本到语音模型,通过改进之前工作的几个方面,有效地合成了更自然的语音。本文提出了改进的结构和训练机制,所提出的方法在提高多说话人模型中语音特征的自然度、相似性以及训练和推理效率方面是有效的。证明了所提出方法可以显著减少以前工作中对音素转换的强依赖,允许完全端到端单阶段方法。

2023-08-09 07:30:00 2456 2

原创 CSDN Level Help

CSDN blog relies on points to improve its level. Blog points are the recognition and reward of CSDN for the efforts of users, and are also an important standard to measure the level of blogs. Blog rank will also be uniquely determined by blog points.If you

2023-08-08 16:33:03 161 2

原创 YourTTS: Towards Zero-Shot Multi-Speaker TTS and Zero-Shot VoiceConversion for everyone论文阅读

YourTTS为zero-shot multispeaker的TTS任务带来了多语言(multilingual)方法的力量。该方法基于VITS模型,并为零样本多说话人和多语言训练添加了一些新的修改。在零样本多说话人TTS中取得了最先进的(SOTA)结果,在VCTK数据集上的零样本语音转换结果与SOTA相当。该方法在单说话人数据集的目标语言中取得了很好的结果,为低资源语言的零样本多说话人TTS和零样本语音转换系统打开了可能性。

2023-08-08 11:19:12 860

原创 动态测试技术

1.黑盒测试技术1.1边界值分析法任何程序都可以看做一个函数,程序的输入构成函数的定义域,程序的输出构成函数的值域。黑盒测试是最经典的测试方法,定义域测试的重点是从输入变量的定义域来进行分享并设计出测试用例,但实际上,也可以根据被测程序本身的特点基于变量的值域来分析并分析测试用例。1.基本边界值分析边界值分析关注的是输入变量的边界,依据边界来设计测试用例。边界值测试是基本原理是程序的错误或缺陷可能出现在输入变量的极限值附近。对于n个变量的测试程序,基本边界值分析的测试用例数为:每次使得除

2023-03-02 22:30:22 536

原创 linux命令(转需)

命令大全关机命令命令 说明sync 将数据同步到硬盘中shutdown 关机指令shutdown -h 10 10分钟后关机shutdown -h now 马上关机shutdown -h 20:12 在今天20.25关机shutdown -h +10 十分钟后关机shutdown -r now 系统立马重启shutdown -r +10 十分钟后重启reboot 重启halt 关闭系统关机前使用sync,把内存中

2023-03-02 22:29:55 330

原创 Evaluation Methods汇总(语言评价指标)

Evaluation Methods汇总(语言评价指标),总结汇总了BLEU、ROUGE、CIDEr、METEOR四种常用的语言评判标准。

2022-09-15 17:02:56 698

原创 AoANet论文阅读笔记

作者认为attention机制在当前的图像描述encoder/decoder框架中广泛使用,其中在每个时间步生成编码矢量的加权平均值以指导描述的解码过程。但是,解码器几乎不了解相关向量和给定attention查询之间的关系或关联程度如何,这可能会使解码器给出错误的结果。在本论文中,作者提出了一个“Attention on Attention”(AoA)模块,该模块扩展了常规的注意力机制,以确定注意力结果和查询结果的相关性。AoA首先使用注意力结果和当前的上下文生成一个“信息向量...

2022-06-05 11:50:44 1020

2022 操作系统课程设计--xv6-labs-2021

本资源为 2022 操作系统课程设计--xv6-labs-2021 的课程设计报告 ·实验环境:VMware Ubuntu 20.04 ·所有代码已上传至github:https://github.com/Bestom927/MIT-6.S081 ·本实验报告完成了2021年版本出来networking外的剩余九个lab

2022-09-28

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除