趋近智
高级语音识别与合成
章节 1: 现代语音处理流程的核心组成
高级音频特征提取
语音统计建模回顾
序列的深度学习结构
ASR 系统组成部分
文本转语音（TTS）系统的组成部分
评估指标的再审视
章节 2: 高级ASR声学建模
混合HMM-DNN系统
联结主义时间分类 (CTC)
注意力机制的编码器-解码器模型
RNN 转导器 (RNN-T)
用于自动语音识别的Transformer架构
高级训练方法
解码算法比较
动手实践：构建一个端到端ASR模型
章节 3: ASR中的语言建模与适应
ASR中的神经网络语言模型
浅层集成与深度集成
语境ASR
说话人适应技术
环境与信道适应
自动语音识别中的无监督和半监督学习
多语言和跨语言自动语音识别
实践：使用适应数据微调ASR
章节 4: 高级文本到语音合成
自回归声学模型 (Tacotron, Transformer TTS)
非自回归声学模型 (FastSpeech, ParaNet)
基于流的文本到语音合成模型
生成对抗网络（GANs）在文本到语音中的应用
韵律建模与控制
富有表现力的语音合成
声音克隆与转换
动手实践：训练高级TTS模型
章节 5: 神经网络声码器与波形生成
传统声码器的不足之处
自回归波形模型（WaveNet, WaveRNN）
基于流的声码器 (WaveGlow, FloWaveNet)
基于GAN的声码器（MelGAN, HiFi-GAN）
用于声码器的扩散模型
神经网络声码器的条件化
合成音频质量评估
动手实践：使用神经声码器
章节 6: 优化、部署与工具集
语音模型量化
模型剪枝与稀疏化
ASR/TTS 的知识蒸馏
优化推理引擎（ONNX Runtime, TensorRT）
流式ASR的部署考量
实时文本转语音（TTS）的部署考虑
语音处理工具包（ESPnet, NeMo, Coqui）概述
实践：优化语音模型
生成对抗网络（GANs）在文本到语音中的应用
这部分内容有帮助吗？
- Generative Adversarial Networks, Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, 2014 arXiv preprint arXiv:1406.2661 DOI: 10.48550/arXiv.1406.2661 - 介绍了生成对抗网络的基本概念和框架，包括其最小-最大目标函数。
- HiFi-GAN: Generative Adversarial Networks for Efficient and High Fidelity Speech Synthesis, Jungil Kong, Jaehyeon Kim, Jaekyoung Bae, 2020 Advances in Neural Information Processing Systems, Vol. 33 (NeurIPS) - 提出了一种高效高保真的基于GAN的声码器，成为从声学特征生成原始音频的标准方法。
- MelGAN: Generative Adversarial Networks for Conditional Waveform Synthesis, Kundan Kumar, Rithesh Kumar, Alain de Boissiere, Lucas Gestin, Flavien Marion, Rony Rodriguez, Jean-Baptiste Roux, Sampath Singam, Aaron van den Oord, S. Zeghidour, Rafael Soricut, 2019 Advances in Neural Information Processing Systems, Vol. 32 (NeurIPS) DOI: 10.55916/HV8C-T992 - 介绍了一种早期且有影响力的基于GAN的模型，用于根据梅尔谱图生成高质量语音波形。
- Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech, Jaehyeon Kim, Jungil Kong, Inwan Yoon, 2021 International Conference on Machine Learning (ICML), Vol. 139 (PMLR (Proceedings of Machine Learning Research)) DOI: 10.48550/PMLR.v139.kim21h - 提出了一种端到端文本到语音模型，利用条件变分自编码器和对抗训练进行声学特征和波形生成，实现了高质量和高效率。