#VALL-E

08:30AI科研傳播指數 31

微軟推出 VALL-E：只需 3 秒音訊就能克隆你的聲音

微軟公佈文本轉語音模型 VALL-E。它僅憑 3 秒音訊就能模擬說話者的音色、情感甚至房間聲學環境。模型基於 Meta 音訊庫中 6 萬小時語音訓練，因防範聲音冒充等濫用風險，微軟目前未開原始碼。