VALL-E R:利用单调对齐策略的鲁棒且高效零样本语音合成

信号处理页数： 10 2025-07-29

摘要：借助离散神经音频编解码器的能力，大型语言模型（Large language model, LLM）已被广泛认为是一种零样本语音合成（Text-to-Speech, TTS）的潜在方法。然而，基于采样的解码策略虽然能够为语音生成带来丰富的多样性，但同时也引入了诸如拼写错误、遗漏和重复等鲁棒性问题。为了解决上述问题，我们提出了VALL-E R，一个鲁棒且高效的零样本TTS系统，并以... （共10页）

开通会员，享受整站包年服务

说明：本文档由创作者上传发布，版权归属创作者。若内容存在侵权，请点击申诉举报

科技文档

数学力学化学金融证券保险投资会计审计园艺林业旅游体育物理学生物学天文学气象学海洋学地质学新能源金属学农艺学农作物管理学领导学自然科学系统科学资源科学无机化工有机化工燃料化工化学工业材料科学矿业工程冶金工业安全科学环境科学工业通用机械工业无线电子电信技术铁路运输汽车工业船舶工业动力工程电力工业农业科学农业工程植物保护动物医学教育理论学前教育初等教育中等教育高等教育职业教育成人教育自然地理地球物理经济统计农业经济工业经济交通经济企业经济文化经济信息经济贸易经济财政税收市场研究科学研究互联网自动化轻工业核科学服务业石油然气服务业野生动物水产渔业硬件仪器仪表航空航天武器军事公路运输水利水电建筑科学软件