模型
FastPitch
一种基于FastSpeech架构的TTS模型，通过将音高嵌入反馈到解码器来增强音高可控性，属于显式方差建模范式。
时间轴 (近 90 天)
10月19日
SteerTTS采用FastPitch风格的显式方差建模，音素先经过编码器，由时长、音高、能量三个预测器分别输出控制量，再通过长度调节器对齐，最终解码为100频带log-mel谱，交由冻结的Vocos声码器合成波形。
待验证50%
一种基于FastSpeech架构的TTS模型，通过将音高嵌入反馈到解码器来增强音高可控性，属于显式方差建模范式。
SteerTTS采用FastPitch风格的显式方差建模，音素先经过编码器，由时长、音高、能量三个预测器分别输出控制量，再通过长度调节器对齐，最终解码为100频带log-mel谱，交由冻结的Vocos声码器合成波形。