7月27日消息，微軟日前推出了一款名為 NaturalSpeech2 的語音模型，該模型采用“潛在擴散”式設計，在零樣本語音合成層面效果出眾，微軟宣稱該模型提供了“商業(yè)級”的語音 / 歌唱解決方案，能夠給予用戶高質量、多樣化的語音合成體驗。
據(jù)IT之家報道，微軟對 NaturalSpeech2 進行了一系列演示，展示了其在零樣本情況下生成具有不同說話人身份、韻律和風格（如唱歌）的語音的能力。
與傳統(tǒng)的語音轉文字（TTS）系統(tǒng)不同，微軟的 NaturalSpeech2 使用“連續(xù)向量”取代“離散標記”來表示語音，從而生成更完整的語音片段，不會產生“缺乏感情”的“棒讀（一字一頓地講話）”現(xiàn)象。
實驗結果表明，NaturalSpeech2 在零樣本條件下生成的語音與語音提示和真實語音的韻律近乎一致，并且在 LibriTTS 和 VCTK 測試集上的自然度（以 CMOS 為度量）與真人語音難以區(qū)分。
該項目的論文目前已經發(fā)布于 GitHub 中。
- 美科技七巨頭遭特朗普關稅血洗 市值蒸發(fā)14萬億
- 特斯拉市值一夜蒸發(fā)超6400億元，美股科技“七巨頭”陷入調整區(qū)間
- 阿里巴巴于上海新設智信普惠科技公司，布局多領域技術服務
- 馬化騰短暫登頂中國富豪榜，騰訊科技與股價雙輪驅動成關鍵
- 本地生活賽道：2025年紅海變“血?！?，平臺競逐白熱化
- 義烏哪吒小商品熱賣：緊跟《哪吒2》熱潮，一天賣幾百套
- 美恢復接收中國包裹，貿易政策突變引發(fā)物流界震蕩
- DeepSeek或再掀波瀾，可能對美股市場造成新一輪打擊
- 谷歌股價暴跌：收入增長放緩，人工智能支出引投資者擔憂
- 華為去年銷售收入超8600億元：ICT基礎設施穩(wěn)健，新業(yè)務快速發(fā)展
免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
