James Zhang's Blog

原创 Tacotron-2：通过调节 WaveNet 对 Mel 频谱预测的自然 TTS 合成

根据论文：https://arxiv.org/abs/1712.05884首先第一部分为论文主体的翻译：摘要这篇文章描述了一个直接从文本合成语音的神经网络架构，Tacotron-2。该系统由两部分组成，首先是把字符向量（character embeddings）映射到梅尔声谱（mel-scale spectrograms）的循环序列到序列（seq2seq）结构的特征预测网络，之后连接一...