VALL-E一种用于文本到语音合成 (TTS) 的语言建模方法。具体来说,我们使用从现成的神经音频编解码器模型派生的离散代码来训练神经编解码器语言模型(称为 VALL-E),并将 TTS 视为条件语言建模任务,而不是像以前的工作那样连续信号回归。在预训练阶段,我们将 TTS 训练数据扩展到 60K 小时的英语语音,这是现有系统的数百倍。VALL-E 出现了上下文学习能力,可用于合成高质量的个性化语音,只需录制 3 秒的未见过的说话者的注册录音作为声音提示。实验结果表明,VALL-E 在语音自然度和说话人相似度方面明显优于最先进的零样本 TTS 系统。此外,我们发现 VALL-E 可以在合成中保留说话者的情绪和声音提示的听觉环境。
类似的工具
Codiga
Codiga可以实时检测代码错误...
cursor.so(GPT-4代码编辑器)
Cursor.so采用了“预测型编码”...
Dolly AI
Fork your voice in a flash
TTS-vue
搬运请注明出处。
TTSReader
立即以自然动听的声音大声读出任何文本
CodeSnippets
CodeSnippets是指在编程中常...
其他人也看的工具
宙语Cosmos
提供AI公文辅助写作功能
吐司TusiArt – AnimateDiff
免费在线生图的 AI 模型分享社区
Supercreator
从你在网上写的一篇文章中创...
MetaVoice Studio
MetaVoice Studio允许用户录制自己的声音或上传文件来创建自定义语音剪辑。它提供了一个免费的计划,有6个声音,30秒的剪辑长度,和一个非商业许可。付费计划包括8个声音、10分钟剪辑长度、商业许可和自定义声音(即将推出)。它还提供了具有自定义定价、API访问和微调支持的企业解决方案。
AIGC工具使用小技巧
手把手教你用AI做视频26个教程
latitude.io
Latitude 是新世界的创造者,...
AI 中文社
