GrainSpeech 实现紧凑语音合成
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
GrainSpeech 模型仅含 26.48 万参数，在微控制器上实现 17.9 倍实时 Mel 生成。研究指出自注意力超过 15 个音素无增益，据此采用固定感受野卷积编码器，降低了基频、能量和时长预测误差。通过 Mel 特定梯度方差监督，该模型以不到 1.5% 的参数量达到了与大型模型相当的 UTMOS 分数。
为什么值得看
极小参数量下保持高音质，适合端侧设备部署。
语音
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。