微軟NaturalSpeech語音合成推出第三代，網友驚呼：超自然！實至名歸

AIGC動態歡迎閱讀

原標題：微軟NaturalSpeech語音合成推出第三代，網友驚呼：超自然！實至名歸
關鍵字：語音,模型,解讀,屬性,分解
文章來源：機器之心
內容字數：6114字

內容摘要：

機器之心專欄
機器之心編輯部SOTA 語音合成效果。
文本到語音合成（Text to Speech，TTS）作為生成式人工智能（Generative AI 或 AIGC）的重要課題，在近年來取得了飛速發展。在大模型（LLM）時代下，語音合成技術能夠擴展大模型的語音交互能力，更是受到了廣泛的關注。多年來，微軟持續關注語音領域的技術研究與產品研發，為了合成高質量自然的人類語音，NaturalSpeech 研究項目（https://aka.ms/speechresearch）應運而生。
為了實現這個宏偉遠景，NaturalSpeech 項目將目標拆分成幾個階段：
1）第一階段，在單個說話人上取得媲美人類的語音質量。為此，研究團隊在 2022 年推出了 NaturalSpeech 1，在 LJSpeech 語音合成數據集上達到了人類錄音水平的音質。
2）第二階段，高效地實現像人類一樣多樣化的語音合成，包含不同的說話人、韻律、情感、風格等。為此，研究團隊在 2023 年推出了 NaturalSpeech 2，利用擴散模型（Diffusion Model）實現了零樣本（Zero-Shot）的語音合

原文鏈接：微軟NaturalSpeech語音合成推出第三代，網友驚呼：超自然！實至名歸

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺