模型FastSpeech2
FastSpeech 2
一种非自回归TTS模型，采用显式方差建模分别预测时长、音高和能量，实现快速且可控的语音合成。
时间轴 (近 90 天)
10月20日
现代TTS管线通常是“文本前端 + 声学模型（如FastSpeech 2）+ 声码器（如HiFi-GAN）”三段式，声音克隆则在此基础上增加说话人嵌入或参考音频提示。
待验证50%
8月30日
2020年后基于Transformer架构的端到端TTS模型（如FastSpeech 2、VITS）将文本分析、韵律预测和波形生成整合为单一模型
待验证50%