首页 两轮车 三轮车 汽车 头条 报价 推荐 资讯 焦点 品牌 技术
首页 >  焦点 > 

VALL-E:微软全新文字转语音模型可以在三秒钟内复制任何人的声音

2023-01-10 19:43:30 来源:cnBeta


【资料图】

自从第一个文本到语音(TTS)模型发布以来,研究人员一直在寻找让计算机系统产生语音的方法,微软的最新模型VALL-E是在这方面的一个重要进步。VALL-E是一个基于转换器的TTS模型,只需听到三秒钟的声音样本就能生成任何声音的语音。这比以前的模型有很大的改进,以前的模型需要更长的训练时间才能生成新的声音。

对于计算机行业来说,VALL-E是一项惊人的技术壮举,有可能改变我们与数字媒体互动的方式。语音的音调、魅力和风格都在生成的语音中保持不变,这是在使TTS系统听起来更自然方面迈出的重要一步。

微软会不会基于这项技术有更多运用目前还不清楚,然而,微软已经发布了该模型的几个实例,很明显,这是TTS技术的一个重大进步。

您可以在这里收听范例:

https://mpost.io/vall-e-microsofts-new-zero-shot-text-to-speech-model-can-duplicate-everyones-voice-in-three-seconds/

关键词: 研究人员 保持不变 文本到语音

下一篇:
上一篇:

相关新闻