模型
FastSpeech
基于神经网络的文本转语音模型，相比传统拼接/参数合成方法显著提升语音自然度
时间轴 (近 90 天)
10月20日
传统TTS产出机械、机器人化的声音，定制空间有限，但资源占用低；神经网络TTS依赖Tacotron、WaveNet、FastSpeech等架构，音质更自然，但GPU/CPU开销更高。
待验证50%
10月20日
FastSpeech / FastSpeech 2是非自回归架构，一次性并行生成整段频谱，解决了Tacotron自回归解码慢、易跳字重复的问题，是当前许多开源与商用系统的默认选择。
待验证50%
9月23日
Tacotron、FastSpeech、VITS 等端到端架构将文本到音频的整体延迟从数秒压缩到数百毫秒
待验证50%
全部知识事实 (4)
待验证
当前主流的神经网络TTS方案包括Tacotron系列、FastSpeech系列以及VITS、Bark等端到端模型
85%待验证传统TTS产出机械、机器人化的声音，定制空间有限，但资源占用低；神经网络TTS依赖Tacotron、WaveNet、FastSpeech等架构，音质更自然，但GPU/CPU开销更高。
50%待验证FastSpeech / FastSpeech 2是非自回归架构，一次性并行生成整段频谱，解决了Tacotron自回归解码慢、易跳字重复的问题，是当前许多开源与商用系统的默认选择。
50%待验证Tacotron、FastSpeech、VITS 等端到端架构将文本到音频的整体延迟从数秒压缩到数百毫秒
50%