微软上线语音合成模型NaturalSpeech2相对竞品语音重构更精准

发布时间：2023-07-28 09:00:24 所属栏目：外闻来源：转载

导读： 　　最近微软发布了一个新的语音合成功能叫做Natural Speech 2，其利用了“潜藏传播”的技术使得其在没有真实音频的情况下表现出色，微软宣称该模型提供了“商业级”的

　　最近微软发布了一个新的语音合成功能叫做Natural Speech 2，其利用了“潜藏传播”的技术使得其在没有真实音频的情况下表现出色，微软宣称该模型提供了“商业级”的语音 / 歌唱解决方案，能够给予用户高质量、多样化的语音合成体验。

　　微软对 NaturalSpeech2 进行了一系列演示，展示了其在零样本情况下生成具有不同说话人身份、韵律和风格（如唱歌）的语音的能力。

　　据悉，与传统的语音转文字（TTS）系统不同，微软的 NaturalSpeech2 使用“连续向量”取代“离散标记”来表示语音，从而生成更完整的语音片段，不会产生“模式化缺乏真实感情”的“不知所以然地棒读（一口一句一字一顿如数家珍的地讲话）”毫无美感可言的现象。

　　实验结果表明，NaturalSpeech2 在零样本条件下生成的语音与语音提示和真实语音的韵律近乎一致，并且在 LibriTTS 和 VCTK 测试集上的自然度（以 CMOS 为度量）与真人语音难以区分。这些结果表明，libritts和vctk技术可以有效地用于实时语音识别。

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!