【2021.11.01概覽】arxiv每日語音合成相關更新

1】

VRAIN-UPV MLLP's system for the Blizzard Challenge 2021

洛桑聯邦理工學院

概覽：本文是針對Blizzard Challenge 2021比賽的SH1任務（用5小時單人錄音資料搭建一個西班牙語合成系統），提出了一種結合顯式時長建模的非自迴歸聲學模型+GAN-based聲碼器的合成系統。其中，非自迴歸聲學模型是基於ForwardTacotron，聲碼器基於HiFi-GAN。另外本系統在建模時長資訊時，引入了一個額外的CTC loss來進行語音幀和音素的強制對齊。

個人看法：可視為一個相對SOTA也較簡潔的TTS系統搭建教程，從資料處理到模型結構。其中用CTC loss來關聯STT和TTS兩個模組，端到端地進行顯式時長建模比較有借鑑意義。

論文地址：

https：//

arxiv。org/abs/2110。1579

2