DurIAN:“用于多模式合成的持续时间通知注意网络”的实现（https

榴莲 实施“多模式合成的持续时间知悉网络”（ ）。 状态：已发布 1个信息 DurIAN是用于文本到语音合成任务的编码器-解码器体系结构。 与Tacotron 2等以前的体系结构不同，它不学习注意力机制，而是考虑音素持续时间信息。 因此，当然，要使用此模型，应具有音素化和持续时间对齐的数据集。 但是，您可以尝试在LJSpeech数据集（使用CMU dict）上使用预训练的持续时间模型。 链接将在下面提供。 2架构细节 DurIAN模型包含两个模块：骨干合成器和持续时间预测器。 以下是与论文中描述的Durian最显着的区别： 不使用韵律边界标记（未标记），因此不存在“跳​​过状态”排除韵律边界的隐藏状态 样式代码也未使用（相同原因） 在CBHG编码器之前删除了Prenet（在实验过程中没有提高准确性） 解码器的循环单元一次输出单个频谱图帧 骨干合成器和持续时间模型都可以同时训练。