语音合成（speech synthesis）方向九：Diffusion Probabilistic Model

声明：工作以来主要从事TTS工作，平时看些文章做些笔记。文章中难免存在错误的地方，还望大家海涵。平时搜集一些资料，方便查阅学习：TTS 论文列表 http://yqli.tech/page/tts_paper.html TTS 开源数据 http://yqli.tech/page/data.html。如转载，请标明出处。欢迎关注微信公众号：低调奋进

​Diffusion Probabilistic Model主要在图片处理领域火了一阵子，这两年在语音领域应用突然多了起来。2020年出现两篇DPM应用到声码器的文章:DiffWave和WaveGrad。今年的5月份连发三篇关于DPM应用到声学模型的文章Grad-TTS, DiffSing和DiffSVC。这些文章有公共特点：公式多，文章长，很多地方都需要读者慢慢研究相关的理论。当然我没有死扣这些公式，我只是看最后推理的结果，把整体思路整明白即可。我在这里先放个大概，主要总结了DPM在语音中应用，内容主要是我的PPT。另外我强调一下本PPT中的图片，为了讲解简洁清晰，截取了孔之丰博士讲解DiffWave视频中的两张图片。