[AS] Schrodinger Bridges Beat Diffusion Models on Text-to-Speech Synthesis
网页链接
介绍了一种新的文本转语音合成系统Bridge-TTS。与传统的扩散模型不同，Bridge-TTS使用干净和确定性的先验分布作为生成目标的条件，从而提高合成质量和采样效率。采用Schrodinger bridge方法，构建了一个可追踪的数据到数据的过程，通过对噪声调度、模型参数化和采样过程的研究，进一步增强了合成质量。实验证明，Bridge-TTS在合成质量和推理速度方面均取得了最先进的效果。