超级会员免费看
Tacotron模型是首个真正意义上的端到端TTS深度神经网络模型。与传统语音合成相比，它没有复杂的语音学和声学特征模块，而是仅用<文本序列，语音声谱>配对数据集对神经网络进行训练，因此简化了很多流程。然后Tacotron使用Griffin-Lim算法对网络预测的幅度谱进行相位估计，再接一个短时傅里叶（Short-Time Fourier Transform，STFT）逆变换，实现端到端语音合成的功能。Tacotron的总体架构如下图：
语音合成：Tacotron详解【端到端语音合成模型】【与传统语音合成相比，它没有复杂的语音学和声学特征模块，而是仅用＜文本序列，语音声谱＞配对数据集对神经网络进行训练，因此简化了很多流程】
于 2022-06-27 00:41:08 首次发布
Tacotron是首个端到端的TTS深度学习模型，它省去了复杂的语音学和声学特征模块，仅用文本和语音声谱数据训练。通过Griffin-Lim算法估计相位，再经STFT逆变换，实现语音合成。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
