마이크로소프트 VALL-E 공개: 3초 음성으로 목소리 복제
마이크로소프트가 텍스트 음성 변환 AI 모델 VALL-E를 발표했다. 단 3초 분량의 오디오 샘플만으로 화자의 음색과 감정, 방 안의 음향 환경까지 모사한다. 6만 시간 분량의 음성 데이터로 훈련되었으며, 사칭 등 오용 위험을 고려해 코드는 오픈소스로 공개하지 않는다.
마이크로소프트가 텍스트 음성 변환 AI 모델 VALL-E를 발표했다. 단 3초 분량의 오디오 샘플만으로 화자의 음색과 감정, 방 안의 음향 환경까지 모사한다. 6만 시간 분량의 음성 데이터로 훈련되었으며, 사칭 등 오용 위험을 고려해 코드는 오픈소스로 공개하지 않는다.