标签： machine-learning text-to-speech speech-synthesis
最近，我开始探索机器学习，以自己的声音为基础设计语音合成器，并以Google的tacotron作为参考。结果充其量是平均水平，需要一点时间进行合成。
现在，我想知道像Adobe Reader这样的应用程序如何能够以如此高的质量实时地做到这一点。 他们的应用程序中是否预装有任何语音模型？ 如果是，那么他们如何创建尺寸也很小的语音模型？