如何解决文本到梅尔谱图
在 TTS 模型中，文本被转换为 Mel-spectrogram，我很难理解这个概念。我已经阅读了一些论文，其中包含将文本转换为 Mel-Spectrogram 并将其与从实际音频生成的 Mel-Spectrogram 进行比较的概念。 谁能解释一下如何从 TTS 模型中的文本生成梅尔谱图？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
