Update README.md

README.md

@@ -9,6 +9,9 @@
 在这项工作中，作者提出了一种并行端到端 TTS 方法，它生成的音频比目前的两阶段模型更自然。该方法采用了变异推理，并增加了归一化流和对抗训练过程，从而提高了生成模型的表现力。作者还提出了一种随机时长预测器，可根据输入文本合成具有不同节奏的语音。通过对潜在变量的不确定性建模和随机时长预测器，该的方法表达了自然的一对多关系，即一个文本输入可以用不同的音调和节奏以多种方式说话。在 LJ Speech（一个单一说话者数据集）上进行的人类主观评估（平均意见分或 MOS）表明，该方法优于最佳的公开 TTS 系统，其 MOS 可与标准答案相媲美。
 
 ![原理](1.png)
+## 算法原理
+
+先验编码器：TextEncoder由多层的transformer encoder组成，预测的结果输出均值与方差。 后验编码器：由conv1d+WN网络组成+conv1d组成。输出得到均值与方差，并且使用FLOW得到复杂分布。通过flow后的复杂分布与先验编码器后的分布进行对MAS对齐估计。得到attn硬对齐矩阵。 MAS对齐估计：通过mas（monotonic align search）硬对齐算法，将文本feature和序列帧feature进行一个硬对齐，拿到对齐矩阵Attn。MAS使用DP算法，假设一个文本feature其对应的帧序列符合一个高斯分布，通过DP算法做优化，计算出文本和序列的最优对齐矩阵。 解码器：实际就是声码器HiFi-GAN V1的生成器。应用于多人模型时，在说话人嵌入向量之后添加一个线性层，拼接到的输出隐变量。 判别器：增加了一个HiFi-GAN的多周期判别器，仅在训练的时候才起作用，用于对抗generator的训练。
 
 ## 环境配置
 
@@ -28,8 +31,10 @@ cd monotonic_align
 python setup.py build_ext --inplace
 
 ```
+### Dockerfile（方法二）
+无
 
-### Anaconda（方法二）
+### Anaconda（方法三）
 
 1、关于本项目 DCU 显卡所需的特殊深度学习库可从光合开发者社区下载安装： https://developer.hpccube.com/tool/
 
@@ -92,6 +97,12 @@ bash run_multi.sh
 rm -rf DUMMY1/*.pt
 ```
 
+### 应用场景
+## 算法类别
+语音合成
+## 热点应用行业
+医疗,金融,科研,教育
+
 ## 源码仓库及问题反馈
 https://developer.hpccube.com/codes/modelzoo/vits_pytorch