电音现象问题请教

[postmelone]

想请教一下，在经过扩散模型之前的声学模型，也就是从hubert 到 mel的这个阶段，这个出来的mel直接送到声码器，为啥会有电音现象呀，按理来说，hubert已经包含足够多的信息了，为什么生成的mel谱还有那么多平行的共振峰呢？楼主有没有试过用wavLM替代hubert呀？

[MaxMax2016]

电音是由于mel的模糊导致的；从hubert到mel，模型的建模能力不够就会导致mel丢失细节，从而产生电音。wavLM没有试过。