#VALL-E

8:30AI科研传播指数 31

微软推出 VALL-E：只需 3 秒音频就能克隆你的声音

微软公布文本转语音模型 VALL-E。它仅凭 3 秒音频就能模拟说话者的音色、情感甚至房间声学环境。模型基于 Meta 音频库中 6 万小时语音训练，因防范声音冒充等滥用风险，微软目前未开源代码。