VITS
含有「VITS」共 2 篇內容
全部內容
發佈日期由新至舊
深度學習時代語音合成的每一步架構演進，本質上都在重新回答同一個問題：哪些決策應該留給人類先驗，哪些可以交由模型從資料中發現。 從對齊到韻律，從頻譜預測到波形生成，從模組管線到整合式框架，這條線索貫穿了 從Tacotron、FastSpeech、到Matcha-TTS 的所有差異。
「人工智障計畫」也執行了好一段時間了，關於這個專案中文字轉語音的方案，在之前的筆記中也有稍微提到，為了達成能自訂聲線，並且能完全離線運作兩個條件，我已經做過了不少嘗試。
