Tacotron2讲解

参考博客：
https://blog.csdn.net/whjkm/article/details/89321954#commentBox
https://blog.csdn.net/yunnangf/article/details/79585089

github代码：
https://github.com/NVIDIA/tacotron2

一、模型结构
模型结构上，tacotron2与tacotron基本类似，除了CBHG结构和Griffin结构上略有区别
Tacotron：

Tacotron2：


上图来自: https://blog.csdn.net/whjkm/article/details/89321954#commentBox

二、重点区别：
1、encoder部分，使用了embedding + 3Conv_layers + Bi-directional_LSTM
2、attention使用的是location sensitive attention，可参考：https://www.cnblogs.com/mengnan/p/9527797.html
3、Pre_net的dropout是一直设置为 true 的（据说是根据实验效果），post_net中最后一层一般为linear激活函数
4、最后的 mel_output_post 是经过 post_net 和 linear_projection相加得到
5、多帧预测方面，虽然Tacotron2没有使用多帧，但是实现原理类似

三、代码部分
此博客已经讲的比较详细，建议使用上面的模型结构图，理清模型结构，再细读代码。https://blog.csdn.net/whjkm/article/details/89321954#commentBox