A good representation is one in which the data has a distribution that is easy to model 基础数学生成模型要解决的问题给定两组数据 $z$ 和 $x$ ，其中 $z$ 服从已知的简单先验分布 $\pi(z)$ ，通常是高斯分布，$x$ 服从复杂的分布 $p(x)$ ,即训练数据代表的分布，现在我们想要找到一个变换

16bit-脉冲编码调制 16 bit Pulse-code Modulation, PCM16bit 代表这个⾳频将会按照信号的振幅取离散的 $2^{16}$ 个值，即 -32768～+32767，振幅越⼤，声⾳的强度越⼤。⾳频信号的另⼀个重要参数是采样率，⽐如采样率为 44.1 kHz，意思就是每秒采样 441000 个点。 如果需要提取⾳频信号中的信息，就需要对 采样时间 × 采样率数⽬的点

衔接式 Concatenative TTS：这里首先记住单个的语音片段，然后需要重新生成时，再把这些声音片段联合起来。但是，这种方法不能扩展，因为它只能重现记忆中的声音片段，并且如果没有从开始记忆语音片段，就不能生成新的讲话人或不同类型的语音。 参数式 Parametric TTS：这里创建一个模型，用以存储所有要合成语音的音频特征。在 WaveNet 之前，使用参数式 TTS 生成的音频比衔接

TTS vs VCVoice Conversion, VC: 语音转换处理的问题是输入一段声音，输出另外一段声音，但这两段声音有些不同，一般我们希望保留声音的内容，改变说话者的音色 Voice conversion (VC) is a technique to modify the speech from source speaker to make it sound like being utt

Eval MetricsROC & EEREmbeddingsi-vectorx-vectorBackends

one-hot 编码存在的⼀个主要问题是它⽆法表示出词汇间的相似度。

solver SVD: Singular value decomposition LSQR: Least squares solution, can be combined with shrinkage EIGEN: Eigenvalue decomposition, can be combined with shrinkage 线性空间什么是线性空间 空集 $\varnothing$ 有理数集

安装Github链接PrettyErrors python -m pip install pretty_errors python -m pretty_errors 参考[1] 知乎-一行代码简化Python异常信息

工作装备 物理层：中继器，集线器 数据链路：网桥，交换机 网络层：路由器 传输层： 网关 网络协议 物理层： RJ45 、 CLOCK 、 IEEE802.3 数据链路： PPP 、 FR 、 HDLC 、 VLAN 、 MAC 网络层： IP 、 ICMP 、 ARP 、 RARP 、 OSPF 、 IPX 、 RIP 、 IGRP 传输层： TCP 、 UDP 、 SPX 会话层： NFS