核心概念
声码器
从谱、基频或其他声学表示分析、变换或生成语音波形的组件。
语音声码器 neural vocoder 神经声码器
简明解释
声码器：现代TTS常让声学模型先预测梅尔谱，再由神经声码器生成波形。不同神经声码器路线在质量、速度与稳定性间取舍；声码器不是完整TTS前端，也不决定文本怎样读。[1]
适用边界
声码器结果须连同输入表示、采样率、说话人条件、生成速度、目标设备和盲听协议报告；它不负责文本规范化。参见第15章。
本页参考来源
- van den Oord A et al.. WaveNet — A Generative Model for Raw Audio [R]. arXiv, 2016. 定位：§§1–4. 稳定来源（访问 ）。