最近对可以以最低限度的监督进行训练的TTS方法产生了兴趣。Diff-LM-Speech将语义嵌入建模为基于mel-spectrogram，并引入了提示编码结构。Tetra-Diff-Speech通过设计一个持续时间扩散模型来实现多样化的韵律表达。Tri-Diff-Speech验证了语义编码的必要性。实验结果表明，这些方法优于基准方法。