补充阅读和资源

本单元介绍了文本到语音任务，并涵盖了许多内容。想了解更多信息？在这里，您将找到其他资源，帮助您加深对主题的理解并增强您的学习体验。

• HiFi-GAN：用于高效高保真语音合成的生成对抗网络：一篇介绍用于语音合成的 HiFi-GAN 的论文。
• X-向量：用于说话人识别的鲁棒 DNN 嵌入：一篇介绍用于说话人嵌入的 X-向量方法的论文。
• FastSpeech 2：快速且高质量的端到端文本到语音：一篇介绍 FastSpeech 2 的论文，FastSpeech 2 是另一种流行的文本到语音模型，它使用非自回归 TTS 方法。
• 一种用于真实世界自发语音文本到语音合成的矢量量化方法：一篇介绍 MQTTS 的论文，MQTTS 是一种自回归 TTS 系统，它用量化的离散表示替换梅尔谱图。