#Vocos

Vocos是一款创新的神经声码器，通过生成频谱系数而非时域样本来合成音频波形。它采用GAN训练，支持从梅尔频谱图和EnCodec令牌重建音频，实现了快速高效的音频合成。Vocos的独特设计弥合了时域和傅里叶域神经声码器之间的差距，为音频合成领域提供了新的解决方案。

基于Vocos架构的加泰罗尼亚语音频合成器，通过80-bin Mel频谱生成高质量音频，与多种TTS模型兼容，专为从mel频谱到音频波形的转换而设计，训练于三种加泰罗尼亚语数据集，可作为hifi-gan的高效替代方案。