在 12 月 8 日至 14 日于温哥华召开的机器学习顶会之一 NeurIPS 2019 会议上，微软和浙江大学研究人员介绍了文本-语音模型 FastSpeech，该模型可大幅提升文本语音转换过程中梅尔谱的生成速度，语音生成速度比基线快 38 倍。