问题描述
在 TTS 模型中，文本被转换为 Mel-spectrogram，我很难理解这个概念。我已经阅读了一些论文，其中包含将文本转换为 Mel-Spectrogram 并将其与从实际音频生成的 Mel-Spectrogram 进行比较的概念。 谁能解释一下如何从 TTS 模型中的文本生成梅尔谱图？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）
