BELLE：贝叶斯建模提升TTS语音分布

Ziyang Zhang 等作者提出 BELLE（贝叶斯证据学习与语言建模），在 MELLE 等连续值自回归 TTS 架构上，为每帧 mel 频谱的均值和方差引入贝叶斯先验并由输入预测，同时保持单次采样，以应对 TTS 的一对多问题。 由于估计方差需要同一文本的多条录音，而标准 TTS 语料每段文本只有一条，作者构建了两个平行语音语料：来自真人录音的 ParallelVox，以及在 LibriSpeech 上加入六个预训练 TTS 教师语音的 LS+6TTS。作者称，在这些语料上训练后，BELLE 在相同训练条件下优于 MELLE，在 LibriSpeech test-clean 的客观指标上与更大的 TTS 系统相当，并支持流式生成；同等数据量下，合成平行语音的表现与真实平行语音相当，且更易扩展。

根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。