薛定谔桥在文本转语音合成上胜过扩散模型
原文中文，约400字，阅读约需1分钟。
📝
内容提要
研究人员提出了Diff-LM-Speech和Tetra-Diff-Speech两种新的TTS方法，前者使用mel-spectrogram和提示编码结构提高语义表示能力，后者通过持续时间扩散模型实现多样化的韵律表达。实验结果显示这些方法优于基准方法。
🏷️
