바이트댄스, 원시 파형 직접 모델링하는 음성 복제 모델 'WavTTS' 발표
바이트댄스가 제로샷 음성 합성 모델 WavTTS를 공개했다. DiT와 Flow Matching을 기반으로 압축 잠재 공간을 거치지 않고 원시 음성 파형을 직접 모델링해 정보 손실을 원천 차단했다. 단 몇 초의 샘플만으로 자연스러운 음성을 복제할 수 있어 엔드투엔드 음성 합성의 새 가능성을 열었다.
바이트댄스가 제로샷 음성 합성 모델 WavTTS를 공개했다. DiT와 Flow Matching을 기반으로 압축 잠재 공간을 거치지 않고 원시 음성 파형을 직접 모델링해 정보 손실을 원천 차단했다. 단 몇 초의 샘플만으로 자연스러운 음성을 복제할 수 있어 엔드투엔드 음성 합성의 새 가능성을 열었다.