探索与 generative-models 相关的全量生态内容池。
VoiceFlow 是一个高效的文本到语音（TTS）系统，它基于整流流匹配（Rectified Flow Matching）技术，旨在解决传统扩散模型在语音合成效率上的不足。该产品是其ICASSP 2024论文的官方实现，通过学习噪声与数据之间的连续流来生成高质量的梅尔频谱图，并通过流整流过程进一步优化采样轨迹，从而在有限的采样步数下实现卓越的合成质量和效率。它提供了Kaldi风格的数据组织和灵活的训练配置，并支持监督持续时间建模和实验性的语音转换功能。