用于生成性语音增强的单步和少步扩散

该文介绍了一种基于普通微分方程的线性扩散模型（LinDiff），用于快速推理和高采样质量，通过基于补丁的处理方法来减少计算复杂性和实现嘈杂语音的有效全局建模。该模型使用对抗性训练进一步改善样本质量，并在 Mel-声谱图上条件语音合成中进行测试，实验结果表明，即使只有一个扩散步骤，该模型也可以合成高质量的语音，而且在更快的合成速度下合成质量与自回归模型相媲美。