感谢本站的朋友OC_Formula的线索传递!
,微软最近发布了一款名为VALL—E的人工智能工具,它可以只用3秒钟的音频来模仿人类说话。
这个工具由6万小时的英语语音数据训练,使用特定语音的3秒片段生成内容与目前的许多人工智能工具不同,VALL—E可以复制说话者的情绪和语气,甚至说话者自己从未说过的话也可以模仿
本站了解到,康奈尔大学的一篇论文用VALL—E合成了几种声音,你可以在GitHub上听听AI合成的音频。
研究人员指出,在许多情况下,Vall—E的性能优于当前的文本到语音转换模型可是,该研究也写道,目前人工智能模型存在几个问题例如,文本提示中的一些单词可能发音不清楚,被完全省略或在输出中出现两次此外,这种模型目前很难模仿一些声音,尤其是带有口音的声音
像其他新的人工智能技术一样,VALL E也引起了安全和道德方面的担忧微软已经发布了一份关于VALL—E使用的道德声明,但是对于其未来的用途并没有明确的解释
目前微软Vall—E并没有开源微软在GitHub上创建了一个Vall—E资源库,但目前只包含一个描述文件
郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。
|