神经网络预测大量数据 Google推出Tacotron 2：结合WaveNet，深(2)

Tacotron由 Google Brain 团队的 Yuxuan Wang （王雨轩）等人提出。在第一代 Tacotron 的相关论文中指出，WaveNet 对 TTS 效果良好，但由于样本集的自回归属性（sample-level autoregressive nature），其生成语音的处理速度较慢；同时，由于 WaveNet 还需要对现有 TTS 前端语言特征进行调节，因此也不是端到端的。

（上图为Tacotron最初论文中的模型架构）

在今年3月提出的模型中，Tacotron 模型取得了 3.82 的平均意见得分（满分5） 。而在最近的评估中，Tacotron 2 模型平均意见得分为 4.53，录音平均意见得分为 4.58。

雷锋网发现，WaveNet 大幅提高了效率后，此前的“处理速度慢”的问题已经得到解决，但仍然不是端到端。而在新的 Tacotron 模型架构中也看到，主要改进在于输出端增加了 WaveNet MoL，这样可以将 WaveNet 和 Tacotron 的优点各自结合起来，二者的“强强联合”有望促进类似语音识别一样的进步，实现语音合成的新台阶。

雷锋网原创文章，未经授权禁止转载。详情见转载须知。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-54726-2.html