耳听也不为实了，基于谷歌SV2TTS算法的开源项目在GITHUB登顶

     近日谷歌的论文SV2TTS（https://arxiv.org/pdf/1806.04558.pdf）在不论是在学术界还是在开源社区都引发热议，SV2TTS号称可以使用低分辨率的原音信息，在短时间内完成转换，生成新的声音。而且最近依据这个算法已经登陆到了github的趋势榜首位置（https://github.com/CorentinJ/Real-Time-Voice-Cloning）。

   

    SV2TTS论文摘要

    我们把原语音定义为v1,原语音内容定义为c1,原语音的speaker定义为s1,目标语音定义为v2,目标内容定义为c2。以便下文解释。

    SV2TTS定义了三层模型： 

    模型1：针对s1的声音特征的encoder网络，利用数千个人声样本，只从对于S1语音语调的嵌入工作，生成嵌入向量。至于什么是嵌入之前介绍很多了，具体可参考（https://blog.csdn.net/BEYONDMA/article/details/90114016）这里不加赘述了。

    模型2：基于Tacotron 2的合成网络，我们知道Tacotron 2是基于注意力的模型，依据c2与s1的相关特征，生成梅尔（mel）谱图;

    模型3：基于自回归波的语音生成网