首个支持多说话人、多方言的神经语音合成模型，可生成四种加泰罗尼亚方言的高质量情感化语音

整合FastSpeech2Conformer与HiFi-GAN的文本转语音模型，提供高效高质量的语音合成

FastSpeech2Conformer是一个非自回归的文本转语音（TTS）模型，结合了FastSpeech2和Conformer架构的优势，能够快速高效地从文本生成高质量的语音。