面向基于能量的 TTS 模型的 Score-Based 训练方法

该论文提出一种新的训练准则，让基于能量的模型（EBM）学到更适合一阶优化推理的 score，用于基于能量的 TTS 模型训练。研究对比了噪声对比估计（NCE）与切片 score matching（SSM）两种方法，指出二者都忽略了 log-likelihood 函数的形式，而 EBM 和扩散模型在推理时依赖一阶优化。论文已被 Interspeech 2025 接收。