AI奇点网2023年7月28日报道丨微软日前推出了一款名为 NaturalSpeech2 的语音模型，该模型采用“潜在扩散”式设计，在零样本语音合成层面效果出众，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“缺乏感情”的“棒读（一字一顿地讲话）”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。
喜欢
顶
无聊
围观
囧
难过
免费超好用_AI Emoji头像生成器：10秒生成_个性不重样
AI视频后期消除对象神器ProPainter：一涂一抹，视频轻松移除指定对象丨本地离线一键部署
Runway Gen-2史诗级版本更新实测：我宣布，AI视频迎来「iPhone时刻」
特斯拉机器人发布会“擎天柱”背后有人远程操控丨李开复：零一万物没有放弃训练大模型丨快手推出开源文生视频模型
阿里寻光_寻光视频创作平台_寻光视频创作官方网站
李彦宏官宣：目前有10%的百度「大搜流量」经由文心一言大模型生成
苹果M4芯片首发！史上最薄iPad，丝滑4K剪片：苹果发布地表最强AI硬件iPad Pro 2024款
