(资料图片)
近日,浙江大学研究团队联手字节跳动,推出全新 Zero-shot语音合成系统Mega-TTS。
据了解,针对当前的语音合成系统通常是通过自回归语言模型或扩散模型来生成语音,导致输出结果可能出现劣质或不可控的情况。
该研究团队通过将语音分解为内容、音色、韵律等不同的属性,并针对每个属性进行建模,为此他们设计出了全新的Zero-shot语音合成系统Mega-TTS。通过使用大规模的野生数据进行训练,并以不同的方式来对不同的属性进行建模。
标签: