CSP语音合成模型是如何提高TTS的生成效果和流式推理高效性的?
CSP语音合成模型通过采用非自回归声学模型的方式,并在多个子模块上进行打磨,实现了提高TTS的生成效果和流式推理高效性。它融合了显隐式进行多尺度建模,并结合深度生成模型进行韵律预测,同时在解码器上采用chunk cache based decoder支持非自回归流式推理,并利用深度生成模型的Post-Net对生成的mel-spectrogram进行refine,从而提升了生成质量和推理效率。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。