搜索: "零样本克隆"

TTS也要真人感！首个字级内容、毫秒级停顿控制的语音合成系统

新智元报道【新智元导读】语音合成这两年发展迅速：把一段话顺顺当当地念完，已经不算难事；难的是该慢的时候慢，该顿的时候顿，该强调的时候真能把重点托出来。语音合成这些年最明显的进展，是越来越会模拟真人输出语音。自然度更高了，声音更像真人了，零样本克隆也越来越成熟了。可一旦要求模型别再只是平着往下读，而是对一句话内部的节奏做有选择的安排，问题就暴露出来了。很多系统能做到整体变快、整体变慢，也能给整段话套