VITS（端到端文本到语音的对抗性学习的变分推理）是一种端到端语音合成模型，可根据输入文本序列预测语音波形。它是一种条件变分自动编码器（VAE），由后验编码器、解码器和条件先验组成。
相关导航
暂无评论...
VITS（端到端文本到语音的对抗性学习的变分推理）是一种端到端语音合成模型，可根据输入文本序列预测语音波形。它是一种条件变分自动编码器（VAE），由后验编码器、解码器和条件先验组成。