跳到正文
arXiv · ML· Wanli Sun, Zehai Tu, Anton Ragni·· 2026-10-15AI 评分23

基于能量模型的非自回归语音合成方法

Energy-Based Models For Speech Synthesis

AI 导读

该研究将能量模型(EBM)引入非自回归语音合成,利用噪声对比估计(NCE)结合正负样本比较进行训练。 提出利用高性能自回归模型生成负样本的策略,并通过 Langevin MCMC 采样建立 EBM 与扩散模型的关联。 在 LJSpeech 数据集上验证,该方法性能优于 Tacotron 2,相关成果已被 ICASSP 2024 接收。

来源:arXiv · ML · arxiv.org