weixin_43858790的博客

（NATURAL TTS SYNTHESIS BY CONDITIONING WAVENET ON MEL SPECTROGRAM PREDICTIONS）Tacotron2这篇论文描述了Tacotron 2， 一个直接从文本合成语音的神经网络架构。系统由两部分构成。（1）一个循环seq2seq结构的特征预测网络，把字符向量映射到梅尔声谱图，（2）后接一个WaveNet模型的修订版，把梅尔声谱图合成为时域波形。我们的模型得到了4.53的平均意见得分（MOS），而专业录制语音的MOS得分是4.58。为