Tencentが音声基盤モデル「AuK」を公開：自然言語で音声を自在に編集
Tencentが1.5Bパラメータの音声生成・編集基盤モデル「AuK」をオープンソース公開しました。自然言語の指示だけでゼロショット音声クローンができるほか、テキストを編集するように音声内の単語を追加・削除したり、感情の変更やノイズ除去が可能です。Web上で試せるデモも提供されています。
Tencentが1.5Bパラメータの音声生成・編集基盤モデル「AuK」をオープンソース公開しました。自然言語の指示だけでゼロショット音声クローンができるほか、テキストを編集するように音声内の単語を追加・削除したり、感情の変更やノイズ除去が可能です。Web上で試せるデモも提供されています。