近年来，基于声音合成器（vocoder）的神经网络展示了其合成高质量语音的强大功能。这些模型通常通过调整一些光谱特征来生成样本，如Mel-spectrum（梅尔频谱）。然而，这些特征通过语音分析模块来提取，包含部分基于人类知识的处理。在论文《RawNet: Fast End-to-End Neural Vocoder》中，作者提出了RawNet，这是一个真正的端到端神经声音合成器，其使用编码器网络来学习高表征信号，同时又是一个自回归声音合成器网络，以生成语音样本。编码器和声音合成器结合起来就像是一个自编码网络，可以在没有任何人为设计特征的情况下直接在原始波形（raw waveform）上训练。Copy-Synthesis任务的实验表明，RawNet可以取得与LPCNet相当的合成语音质量，并且具有更小的模型架构以及推理步骤中更快的语音生成速度。