近日，微软公司发布了新型语音模型 NaturalSpeech2。这款模型以“潜在扩散”设计为核心，在无样本语音合成领域表现出色。微软对此表示，NaturalSpeech2 是一款“商业级”的语音及歌唱解决方案，致力于为用户提供高品质、多元化的语音合成体验。
与传统语音转文字（TTS）系统相比，NaturalSpeech2 采用“连续向量”代替“离散标记”来表征语音，从而生成更加连贯的语音片段，有效避免了“生硬朗读”的问题。实验证明，在零样本环境下，NaturalSpeech2 产生的语音与语音提示及真实语音在韵律上几乎一致，且在 LibriTTS 和 VCTK 测试集中，其自然度（以 CMOS 为标准）与真人语音难以辨别。
本文链接：https://www.8btc.com/article/6827658，转载时请注明文章来源。
标签:
文章来源: 酷玩网
版权声明: 本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任
