# 对抗学习

VITS是一种端到端语音合成模型，能够根据输入的文本序列预测对应的语音波形。该模型采用条件变分自编码器（VAE）架构，包含后验编码器、解码器和条件先验模块。

ELECTRA是一种通过判别式预训练的自监督语言表示学习方法，以较低计算成本实现高效训练。