基于能量的模型被引入语音合成

一篇被 ICASSP 2024 接收的论文将基于能量的模型（EBM）引入非自回归语音合成，作者为 Wanli Sun 等。该方法用噪声对比估计（NCE）训练，并提出多种生成有效负样本的策略，包括借助高性能自回归模型；采样采用 Langevin MCMC，由此建立 EBM 与扩散模型的联系。 在 LJSpeech 数据集上，该方法相比 Tacotron 2 取得提升。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。