#WavTTS

10:33研究拡散指数 36

ByteDanceがWavTTSを発表：生波形への直接モデリングで高精度な音声クローンを実現

ByteDanceはゼロショット音声合成モデル「WavTTS」を発表した。DiTとFlow Matchingを採用し、潜在空間への圧縮を行わずに生の音声波形を直接モデル化することで情報損失を回避する。わずか数秒の音声サンプルから自然な音声を生成でき、生波形による端ツー端生成の実用性を大きく前進させた。