This commit is contained in:
superlishunqin 2025-06-27 03:50:31 +08:00
parent 848c447125
commit 813ffc2aff
7 changed files with 8 additions and 7 deletions

View File

@ -20,13 +20,13 @@
| 文件名 | 核心主题 | 阅读笔记 / 目的 | 论文标题 (参考) | 状态 | 链接 |
| :--- | :--- | :--- | :--- | :--- | :--- |
| `2106.15561v3.pdf` | TTS技术综述 | 此综述详细介绍了基于神经网络的TTS技术用于构建对现代语音合成技术全景的理解。 | *A Survey on Neural Speech Synthesis* | 已归档 | [原文链接](https://arxiv.org/abs/2106.15561) |
| `s13636-024-00329-7.pdf` | 情感语音合成 | 此论文系统回顾了情感语音合成的方法、挑战和资源,与论文“融合情感”部分高度相关。 | *Deep learning-based expressive speech synthesis: a systematic review...* | 已归档 | [原文链接](https://asmp-eurasipjournals.springeropen.com/articles/10.1186/s13636-024-00329-7) |
| `A_Survey_on_Neural_Speech_Synthesis.pdf` | TTS技术综述 | 此综述详细介绍了基于神经网络的TTS技术用于构建对现代语音合成技术全景的理解。 | *A Survey on Neural Speech Synthesis* | 已归档 | [原文链接](https://arxiv.org/abs/2106.15561) |
| `Deep_learning-based_expressive_speech_synthesis-a_systematic_review_of_approaches_challenges_and_resources.pdf` | 情感语音合成 | 此论文系统回顾了情感语音合成的方法、挑战和资源,与论文“融合情感”部分高度相关。 | *Deep learning-based expressive speech synthesis: a systematic review...* | 已归档 | [原文链接](https://asmp-eurasipjournals.springeropen.com/articles/10.1186/s13636-024-00329-7) |
| `Text_to_Speech_Synthesis_A_Systematic_Review_Deep_.pdf` | TTS架构与方向 | 此综述覆盖了深度学习TTS架构和未来研究方向为技术选型和未来展望提供参考。 | *Text to Speech Synthesis: A Systematic Review, Deep Learning Based Architecture and Future Research Direction* | 已归档 | [原文链接](https://www.researchgate.net/publication/364280141_Text_to_Speech_Synthesis_A_Systematic_Review_Deep_Learning_Based_Architecture_and_Future_Research_Direction) |
| `2006.04558v8.pdf` | 非自回归TTS模型 | 用于理解以FastSpeech为代表的非自回归模型如何解决“一对多”问题以及如何引入韵律等变化信息来提升合成质量与速度。 | *FASTSPEECH 2: FAST AND HIGH-QUALITY END-TO-END TEXT TO SPEECH* | 已归档 | [原文链接](https://paperswithcode.com/paper/fastspeech-2-fast-and-high-quality-end-to-end) |
| `2205.04421v2.pdf` | SOTA TTS模型 | 了解如何通过设计更强大的模型如NaturalSpeech和利用大规模语料库来实现与人类相媲美的合成效果这能帮助理解当前技术的天花板在哪里。| *NaturalSpeech: End-to-End Text to Speech Synthesis with Human-Level Quality* | 已归档 | [原文链接](https://arxiv.org/abs/2205.04421) |
| `1806.04558v4.pdf` | 零样本/迁移学习TTS | 此论文讲述利用迁移学习技术构建一个能够生成任意说话人包括训练中未见过的说话人声音的文本到语音TTS系统。 | *Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis* | 已归档 | [原文链接](https://paperswithcode.com/paper/transfer-learning-from-speaker-verification) |
| `pone.0283440.pdf` | 实时语音克隆 | 此综述旨在提升语音克隆质量的实时系统。 | *A real-time voice cloning system with multiple algorithms for speech quality improvement* | 已归档 | [原文链接](https://pmc.ncbi.nlm.nih.gov/articles/PMC10069766/) |
| `FASTSPEECH_2-FAST_AND_HIGH-QUALITY_END-TO-END_TEXT_TO_SPEECH.pdf` | 非自回归TTS模型 | 用于理解以FastSpeech为代表的非自回归模型如何解决“一对多”问题以及如何引入韵律等变化信息来提升合成质量与速度。 | *FASTSPEECH 2: FAST AND HIGH-QUALITY END-TO-END TEXT TO SPEECH* | 已归档 | [原文链接](https://paperswithcode.com/paper/fastspeech-2-fast-and-high-quality-end-to-end) |
| `NaturalSpeech-End-to-End_Text_to_Speech_Synthesis_with_Human-Level_Quality.pdf` | SOTA TTS模型 | 了解如何通过设计更强大的模型如NaturalSpeech和利用大规模语料库来实现与人类相媲美的合成效果这能帮助理解当前技术的天花板在哪里。| *NaturalSpeech: End-to-End Text to Speech Synthesis with Human-Level Quality* | 已归档 | [原文链接](https://arxiv.org/abs/2205.04421) |
| `Transfer_Learning_from_Speaker_Verification_to_Multispeaker_Text-To-Speech_Synthesis.pdf` | 零样本/迁移学习TTS | 此论文讲述利用迁移学习技术构建一个能够生成任意说话人包括训练中未见过的说话人声音的文本到语音TTS系统。 | *Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis* | 已归档 | [原文链接](https://paperswithcode.com/paper/transfer-learning-from-speaker-verification) |
| `A_real-time_voice_cloning_system_with_multiple_algorithms_for_speech_quality_improvement.pdf` | 实时语音克隆 | 此综述旨在提升语音克隆质量的实时系统。 | *A real-time voice cloning system with multiple algorithms for speech quality improvement* | 已归档 | [原文链接](https://pmc.ncbi.nlm.nih.gov/articles/PMC10069766/) |
| `OpenVoice Versatile Instant Voice Cloning.pdf` | 情感可控的语音克隆 | 研究OpenVoice如何解耦音色与情感等风格以实现对克隆声音的灵活情感控制这与论文核心“融合情感的语音克隆”高度相关。 | *OpenVoice: Versatile Instant Voice Cloning* | 已归档 | [原文链接](https://arxiv.org/abs/2312.01479) |
| `Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech.pdf` | 端到端TTS模型 (VITS) | 理解VITS模型如何结合VAE和对抗学习实现高质量的并行端到端语音合成为技术选型提供重要参考。 | *Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech* | 已归档 | [原文链接](https://arxiv.org/abs/2106.06103) |
| `Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Predictions.pdf` | 里程碑式TTS模型 (Tacotron 2) | 学习里程碑模型Tacotron 2的两阶段架构理解其如何奠定高质量端到端语音合成的基础为本研究提供技术背景和起点。 | *Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Predictions* | 已归档 | [原文链接](https://arxiv.org/abs/1712.05884) |
@ -63,4 +63,5 @@
* 持续跟进SOTAState-of-the-Art语音克隆与情感合成模型特别是低资源和高表现力的相关技术。
* 深入阅读儿童发展心理学、人机交互HCI中关于儿童与技术互动的相关文献。
* 关注大语言模型LLM在教育领域特别是对话系统和个性化辅导方面的最新研究。
* 关注大语言模型LLM在教育领域特别是对话系统和个性化辅导方面的最新研究。