StyleTTS 2通过建模格调为潜正在随机变质，通过扩散模型生成最符折文原的格调，而无需参考语音，真现了高效的潜正在扩散，并从扩散模型供给的多样化语音分解中受益。另外，它还操做大型预先训练的SLM，如WaZZZLM，做为分辩器，并联结鲜活的可微分时长建模停行端到端训练，从而进步了语音的作做度。相比最近的大范围神经编解码器语言模型，P-Flow运用了两个数质级更少的训练数据，领有更快的采样速度，并且正在发音、人类相似性和说话者相似性方面都有更好的暗示。另外，它运用了语义和声学符号的分袂以及适当的语音符号器。
