qin/Paper_Read
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

README

Browse Source
This commit is contained in:
superlishunqin 2025-06-24 12:32:38 +08:00
parent 4c77a40883
commit bcd77c7f6c
1 changed files with 11 additions and 11 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

20
README.md
View File

@ -16,13 +16,16 @@
下表记录了本仓库中已归档的论文，包含了其核心内容、阅读目的以及参考标题。
| 文件名 | 核心主题 | 阅读笔记 / 目的 | 论文标题 (参考) | 状态 |
| :--- | :--- | :--- | :--- | :--- |
| `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 |
| `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 |
| `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 |
| `22006.04558v8.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。 | *(推测为FastSpeech 2相关论文)* | 已归档 |
| `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 |
| 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) |
| `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。 | *Real-time zero-shot voice cloning with deep neural networks* | 已归档 | [原文链接](https://pmc.ncbi.nlm.nih.gov/articles/PMC10069766/) |
---
@ -39,6 +42,3 @@
---
## 📝 未来阅读计划