面向能量基 TTS 模型的基于得分训练
声音
2025-05-21 v1 机器学习
音频与语音处理
摘要
噪声对比估计(NCE)是训练归一化项难以计算的能量基模型(EBM)的流行方法。NCE 的关键思想是通过比较参考样本和噪声样本的未归一化对数似然来学习，从而避免显式计算归一化项。然而，NCE 严重依赖噪声样本的质量。最近，切片得分匹配(SSM)因 closely related 的扩散模型(DM)而受到青睐。与 NCE 不同，SSM 通过学习在随机选择的方向上的投影分布来学习对数似然的梯度，即得分。然而，NCE 和 SSM 都忽略了对数似然函数的形式，这是问题，因为 EBM 和 DM 在推理期间使用一阶优化。本文提出了一种新的准则，学习更适合一阶方案的得分。实验对比了这些方法用于训练 EBM。
引用
@article{arxiv.2505.13771,
title = {Score-Based Training for Energy-Based TTS Models},
author = {Wanli Sun and Anton Ragni},
journal= {arXiv preprint arXiv:2505.13771},
year = {2025}
}