技术编号：37943837
提示：您尚未登录，请点 登 陆 后下载，如果您还没有账户请点 注 册 ，登陆完成后，请刷新本页查看技术详细信息。本发明涉及语音领域，尤其涉及一种基于离散语音标记和离散扩散模型的语音合成系统。背景技术、传统的技术通常利用梅尔频谱图(mel-spectrogram)作为中间特征进行语音生成。fastspeech是一个基于神经网络的端到端tts模型，能从文本生成梅尔频谱图(mel-spectrogram)，然后使用诸如wavenet的声码器合成语音。fastspeech旨在提供快速、稳定且可控的语音合成服务，比传统端到端tts模型生成梅尔频谱图的速度快倍，合成语音的速度快倍。grad-tts也是一个基于...
注意：该技术已申请专利，请尊重研发人员的辛勤研发付出，在未取得专利权人授权前，仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权，增加技术思路，做技术知识储备，不适合论文引用。