自然語音2

naturalspeech2 github，近日，微軟宣布將推出一款全新大模型：NaturalSpeech2，相比以往的大模型，NaturalSpeech2語音重構“更準確”，不會“棒讀”，能夠帶給用戶們更好的體驗和服務。

naturalspeech2介紹

微軟日前推出了一款名為NaturalSpeech2 的語音模型，該模型採用「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「商業級」的語音/ 歌唱解決方案，能夠給予使用者高品質、多樣化的語音合成體驗。

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。

據悉，與傳統的語音轉文字（TTS）系統不同，微軟的NaturalSpeech2 使用「連續向量」取代「離散標記」來表示語音，從而產生更完整的語音片段，不會產生「缺乏感情」的「棒讀（一字一頓地講話）」現象。

實驗結果表明，NaturalSpeech2 在零樣本條件下產生的語音與語音提示和真實語音的韻律近乎一致，並且在LibriTTS 和VCTK 測試集上的自然度（以CMOS 為度量）與真人語音難以區分。

該專案的論文目前已經發佈於GitHub 中

naturalspeech2特色

1.微軟官方推出的大模型

2、將為玩家們帶來眾多豐富的新互動

3.目前正在緊張開發當中敬請期待吧