FastSpeech2：基于Transformer的端到端文本到语音合成模型

FastSpeech2是一种基于Transformer的端到端文本到语音合成模型，可以轻松地将给定的文本转换成语音。该模型拥有高效的训练和生成速度，同时能够生成高质量的语音。FastSpeech2采用了FastSpeech的框架，但加入了对峰值信号估计的支持，使得生成的语音更加自然流畅。此外，FastSpeech2还引入了一个额外的噪声抑制器，以便最大程度地减少噪音对语音合成的影响，从而提高语音合成的质量。