はじめに 文章から音声データを生成するタスク Text to Speech (TTS)におけるDeep Learning手法として Tacotron2 (Shen et al. 2017)が有名である。そのTacotron2を拡張して生成する音声データを ある程度調整可能にしたFlowtron (Valle et al. 2020)が最近…