摘要：
诗曰：试问岭南应不好，此心安处是吾乡 https://chenying99.github.io/ 欢迎来访 阅读全文
posted @ 2018-09-13 14:19
刺猬的温驯
阅读(338)
评论(0)
推荐(1)
摘要：
回忆一下关于元实值函数的的求导问题，函数的一阶导数为 函数的梯度正好是导数的转置，即；函数的二阶导数，也称为hessian矩阵，可表示为： 对于向量,和约束集中的某个点，如果存在一个实数使得对于所有，仍然在约束集内... 阅读全文
posted @ 2015-12-28 04:57
刺猬的温驯
阅读(4844)
评论(0)
推荐(1)
摘要：
最优化方法广泛的体现于自然界及人类社会中，它“先天地生，独立而不改，周行而不殆“，正如神正论者说，当前世界是上帝所创造的可能世界中最好的世界；生物的生存及进化都遵循着最优化的原则，从而形成当今我们世界的众生万物；——于人类社会中，这种原则有过之而无不及，它源于人类的一种贪婪的想法，它企图在一定... 阅读全文
posted @ 2015-12-18 22:42
刺猬的温驯
阅读(2969)
评论(0)
推荐(1)
摘要：
连接器里面采用的什么样的数据结构，我们先从Document迭代器开始入手，具体的Document迭代器类都实现了DocumentList接口，该接口定义了两个方法public interface DocumentList { public Document nextDocument() throw... 阅读全文
posted @ 2014-06-15 18:36
刺猬的温驯
阅读(567)
评论(0)
推荐(0)
摘要：
在哪里调用监控器管理对象snapshotRepositoryMonitorManager的start方法及stop方法，然后又在哪里调用CheckpointAndChangeQueue对象的resume方法获取List guaranteedChanges集合下面跟踪到DiffingConnector... 阅读全文
posted @ 2014-06-15 18:02
刺猬的温驯
阅读(852)
评论(0)
推荐(0)
摘要：
本文要描述的是solr的查询插件，该查询插件目的用于生成Lucene的查询Query，类似于查询条件表达式，与solr查询插件相关UML类图如下：如果我们强行将上面的类图纳入某种设计模式语言的话，本人姑且将之归入桥接模式(Bridge)吧；QParserPlugin插件的行为依赖于QParser的具... 阅读全文
posted @ 2014-01-07 11:55
刺猬的温驯
阅读(950)
评论(4)
推荐(0)
摘要：
solr索引操作（包括新增 更新 删除 提交 合并等）相关UML图如下从上面的类图我们可以发现，其中体现了工厂方法模式及责任链模式的运用UpdateRequestProcessor相当于责任链模式中的处理器角色，我们通过如下的对象图也许更能反映多个UpdateRequestProcessor类型的处... 阅读全文
posted @ 2014-01-02 00:16
刺猬的温驯
阅读(566)
评论(0)
推荐(0)
摘要：
本人翻译自 http://sourceforge.net/apps/trac/aperture/wiki/RDF2Go在Aperture中使用RDF2GoAperture是基于RDF2Go建立的，它是一个抽象层，允许Aperture易于与流行的RDF存储引擎如Sesame, Jena工作。支持的RD... 阅读全文
posted @ 2013-06-14 11:37
刺猬的温驯
阅读(591)
评论(0)
推荐(0)
摘要：
为了更好的使用Aperture组件，我们需要熟悉他的整体流程以及相关API接口下面是关于Aperture组件的通用结构，文章翻译自 http://sourceforge.net/apps/trac/aperture/wiki/GeneralStructure本人翻译得不伦不类，因为本人的汉语和英语都... 阅读全文
posted @ 2013-06-12 20:32
刺猬的温驯
阅读(665)
评论(0)
推荐(0)
2026年6月22日 #
摘要：
全文沿"显式时长建模 → 隐式对齐学习 → 弱显式对齐（Alignment Prior）"主线展开，附加一节专题分析注意力机制本身的对齐矛盾。 摘要 音素对齐（phoneme alignment，又称文本-语音对齐，speech-text alignment）是 TTS 系统的核心问题之一：模型必须 阅读全文
posted @ 2026-06-22 16:08
刺猬的温驯
阅读(18)
评论(0)
推荐(0)
摘要：
本文深入分析 TTS 扩散模型中音素对齐的核心难点，重点讨论交叉注意力在扩散早期时间步的失效问题，以及 F5-TTS、SupertonicTTS、VoxFlash-TTS 三个系统各自的解决思路。 前言 语音合成系统需要解决一个基本问题：把变长的文本序列映射到变长的音频序列。这个问题看起来简单，但在 阅读全文
posted @ 2026-06-22 16:04
刺猬的温驯
阅读(134)
评论(0)
推荐(1)
摘要：
掩码扩散（Masked Diffusion）是当前语音克隆中架构最简洁的参考音频注入方式之一，F5-TTS 和 VoiceBox 均采用了这个思路。但这个方案内部存在一个值得深入分析的结构性问题：在 DiT 的全局双向自注意力中，参考音频区域会被待生成区域（噪声）反向污染，这会如何影响音色提取质量？ 阅读全文
posted @ 2026-06-22 16:00
刺猬的温驯
阅读(10)
评论(0)
推荐(0)
摘要：
语音克隆的核心是让模型"听懂"参考音频里的音色，并将其迁移到新的内容上。在扩散模型框架下，如何把参考音频的信息注入生成过程，是系统设计的关键选择之一。本文梳理当前主流的五种注入方式，分析各自的机制、优缺点和代表系统。 前言 不同的注入方式，决定了模型以什么方式"感知"目标音色： 是通过一个压缩的向量 阅读全文
posted @ 2026-06-22 15:57
刺猬的温驯
阅读(9)
评论(0)
推荐(0)
摘要：
摘要：扩散模型（Diffusion Probabilistic Models）和流匹配（Flow Matching）模型在语音合成、图像生成、视频生成等任务中取得了显著成果。然而，训练与推理之间存在一个长期被忽视的结构性问题——曝光偏差（Exposure Bias）。本文梳理该方向从 2023 年至 阅读全文
posted @ 2026-06-22 15:00
刺猬的温驯
阅读(11)
评论(0)
推荐(0)
摘要：
系列文章导航 第一篇：语音合成技术发展简史 第二篇：主流 TTS 架构对比 第三篇：语音克隆是怎么实现的 第四篇：TTS 推理速度为什么这么慢 第五篇：本地部署 TTS 方案横向对比 第六篇：VoxFlash-TTS 部署实践（本文） 本文是「语音合成技术系列」第六篇，也是本系列的收尾篇。前五篇铺垫 阅读全文
posted @ 2026-06-22 14:02
刺猬的温驯
阅读(14)
评论(0)
推荐(0)
摘要：
系列文章导航 第一篇：语音合成技术发展简史 第二篇：主流 TTS 架构对比 第三篇：语音克隆是怎么实现的 第四篇：TTS 推理速度为什么这么慢 第五篇：本地部署 TTS 方案横向对比（本文） 第六篇：VoxFlash-TTS 部署实践 本文是「语音合成技术系列」第五篇，从工程选型角度横向对比当前主流 阅读全文
posted @ 2026-06-22 14:01
刺猬的温驯
阅读(24)
评论(0)
推荐(0)
摘要：
系列文章导航 第一篇：语音合成技术发展简史 第二篇：主流 TTS 架构对比 第三篇：语音克隆是怎么实现的 第四篇：TTS 推理速度为什么这么慢（本文） 第五篇：本地部署 TTS 方案横向对比 第六篇：VoxFlash-TTS 部署实践 本文是「语音合成技术系列」第四篇，深入分析 TTS 推理慢的根本 阅读全文
posted @ 2026-06-22 14:01
刺猬的温驯
阅读(5)
评论(0)
推荐(0)
摘要：
系列文章导航 第一篇：语音合成技术发展简史 第二篇：主流 TTS 架构对比 第三篇：第三篇：语音克隆是怎么实现的（本文） 第四篇：TTS 推理速度为什么这么慢 第五篇：本地部署 TTS 方案横向对比 第六篇：VoxFlash-TTS 部署实践 本文是「语音合成技术系列」第三篇，介绍语音克隆的实现原理 阅读全文
posted @ 2026-06-22 13:59
刺猬的温驯
阅读(6)
评论(0)
推荐(0)
摘要：
系列文章导航 第一篇：语音合成技术发展简史 第二篇：主流 TTS 架构对比（本文） 第三篇：语音克隆是怎么实现的 第四篇：TTS 推理速度为什么这么慢 第五篇：本地部署 TTS 方案横向对比 第六篇：VoxFlash-TTS 部署实践 本文是「语音合成技术系列」第二篇，深入对比当前主流 TTS 架构 阅读全文
posted @ 2026-06-22 13:58
刺猬的温驯
阅读(9)
评论(0)
推荐(0)
浙公网安备 33010602011771号