Speech-Backbones

收录理由

华为诺亚方舟实验室把三篇论文的官方代码集中放在这个仓库里，省去到处找实现的麻烦。Grad-TTS 用扩散概率建模做语音合成，通过逐步去噪生成 mel 谱图，想深入理解概率式 TTS 的读者可以拿它当参考。SPIRAL 则从无标注音频里自监督学习表征，不需要人工标签，适合想从原始录音出发搭建识别或理解系统的场景。DiffVC 把扩散思路用到声音转换上，配合快速最大似然采样，做音色迁移实验时是个不错的起点。每个子项目都附了论文链接和代码，既能当学习资料，也能直接改造成自己的合成、预训练或转换流程。