ग्लो-टीटीएस मोनोटोनिक संरेखण

ग्लो-टीटीएस एक टेक्स्ट-टू-स्पीच मॉडल है जो एक अलग एलाइनर की आवश्यकता को दूर करते हुए, एक चतुर खोज ट्रिक का उपयोग करके टेक्स्ट को स्पीच में संरेखित करना सीखता है। यह मायने रखता है क्योंकि यह प्रशिक्षण को सरल बनाता है और संश्लेषण को तेज़ और समानांतर बनाता है।

लंबे इनपुट पर ध्यान भटक सकता है, जिससे शब्द छूट सकते हैं या दोहराए जा सकते हैं; इससे बचने के लिए ग्लो-टीटीएस एक मोनोटोनिक संरेखण लागू करता है।

एमएएस मोनोटोनिक एलाइनमेंट सर्च है, डायनामिक-प्रोग्रामिंग रूटीन जो सर्वोत्तम टेक्स्ट-टू-फ़्रेम संरेखण ढूंढता है।

वाणी पाठ को क्रमिक रूप से पढ़ती है, इसलिए समय बढ़ने के साथ संरेखण को पाठ के माध्यम से आगे बढ़ना चाहिए।

ग्लो-टीटीएस एक प्रवाह-आधारित डिकोडर का उपयोग करता है, जो सटीक संभावना देता है कि एमएएस संरेखण को अधिकतम कर सकता है।

एमएएस की आवश्यकता केवल प्रशिक्षण में होती है; एक सीखा हुआ अवधि भविष्यवक्ता समानांतर पीढ़ी को सक्षम करते हुए अनुमान पर प्रति-टोकन फ्रेम गणना प्रदान करता है।