GLA-Grad++:一种改进的Griffin-Lim引导扩散模型用于语音合成
声音
2025-12-01 v1 机器学习
音频与语音处理
信号处理
摘要
近期的扩散模型进展使其成为语音合成的强大生成框架，在音频质量和稳定性方面展现出显著的改进。然而，其在以mel频谱图为条件的语音合成器中的有效性仍受限，尤其是在条件与训练分布不符时。最近提出的GLA-Grad模型为WaveGrad声码器引入了相位感知的扩展，集成Griffin-Lim算法（GLA）以减少生成信号与条件mel频谱图之间的不一致性。本文通过对GLA-Grad的创新性应用方式进行改进。特别地，我们仅计算一次校正项，以单次应用GLA来加速生成过程。实验结果表明，我们的方法在各类基线模型中都能持续优于表现，尤其在超出域场景中表现更为出色。
关键词
引用
@article{arxiv.2511.22293,
title = {GLA-Grad++: An Improved Griffin-Lim Guided Diffusion Model for Speech Synthesis},
author = {Teysir Baoueb and Xiaoyu Bie and Mathieu Fontaine and Gaël Richard},
journal= {arXiv preprint arXiv:2511.22293},
year = {2025}
}