- 单位：google
- 作者：Isaac Elias
- 时间：2020 & 2021 interspeech
文章目录
Parallel Tacotron
abstract
- 非自回归框架
- contribution：
- 基于VAE的residual encoder：可以缓解TTS上one-to-many的问题，并且改善自然度；
- lightweight convolutions：有效的建模local context；
- iterative spectrogram loss：受启发于 iterative refinement。
introduction
- Tacotron以及其他的自回归框架，基于previous mel+text生成当前mel，从而解决TTS上one-to-many的问题；
- FastSpeech：1是基于知识蒸馏，2是添加额外的pitch & energy信息。还有使用VAE捕捉prosody representation来表示。
method
- lightweight convolutions (LConv)——depth-wise convolution，在TTS任务上相对于Transformer的self-attention会更关注局部特征。
