星期五, 3月 29, 2024

随客论坛现已开放,每月千台云主机免费领  !

首页前沿人工智能微软发布人工智能工具VALL-E:只用3秒,音频就能模仿人说话
- 赞助商 -spot_img

微软发布人工智能工具VALL-E:只用3秒,音频就能模仿人说话

来源:IT之家
分享到:微信 微博

1月10日消息,微软最近发布了一款名为 VALL-E 的人工智能工具,只需 3 秒音频即可模仿人说话。

 

该工具经过 60000 小时英语语音数据的训练,并使用特定语音的 3 秒剪辑来生成内容。与目前的许多人工智能工具不同,VALL-E 可以复制说话者的情绪和语气,即使说话者本人从未说过的单词也可以模仿。

 

研究人员指出,在许多情况下,Vall-E 的性能优于当前的文本到语音转换模型。然而,该研究还写道,人工智能模型目前存在几个问题。例如,文本提示中的某些单词可能会发音不清晰、完全遗漏或在输出中出现两次。此外,该模型目前难以模仿某些声音,尤其是带有口音的声音。

目前,微软 Vall-E 尚未开源。

 

不过,微软已经在 GitHub 上创建了一个 Vall-E 存储库,但目前只包含一个描述文件。同时,康奈尔大学的一篇论文使用 VALL-E 合成了几种声音,大家可以在 GitHub 上聆听这些 AI 合成的音频。

相关文章
- 赞助商 -spot_img

今日热点

随客热榜