亞馬遜人工智能研究團(tuán)隊(duì)宣布開發(fā)了一個(gè)據(jù)稱是史上最大的文本轉(zhuǎn)語音模型,該模型擁有最多的參數(shù),并使用了最大的訓(xùn)練數(shù)據(jù)集。研究人員已經(jīng)在 arXiv 預(yù)印本服務(wù)器上發(fā)表了一篇論文,詳細(xì)描述了模型的開發(fā)和訓(xùn)練過程。
近年來,像 ChatGPT 這樣的“大型語言模型”憑借其智能回答問題和生成高級(jí)文本的能力而備受關(guān)注。然而,人工智能也在逐步融入其他主流應(yīng)用領(lǐng)域。在這個(gè)新項(xiàng)目中,研究人員嘗試通過增加參數(shù)數(shù)量和擴(kuò)充訓(xùn)練數(shù)據(jù)集來提升文本轉(zhuǎn)語音應(yīng)用的能力。
據(jù)IT之家了解,這個(gè)名為“可擴(kuò)展流式文本轉(zhuǎn)語音模型”(BASE TTS)的新模型擁有 9.8 億個(gè)參數(shù),并使用 10 萬小時(shí)的錄音(來自公共網(wǎng)站)進(jìn)行訓(xùn)練,其中大部分為英語語音。研究人員還向模型提供了其他語言的單詞和短語示例,使其能夠正確發(fā)音一些常見的表達(dá),例如“au contraire” 和 “adios, amigo”。
亞馬遜團(tuán)隊(duì)還測(cè)試了使用較小數(shù)據(jù)集的模型,希望能從中發(fā)現(xiàn)人工智能領(lǐng)域所說的“涌現(xiàn)能力”。這種能力是指人工智能應(yīng)用,無論是大型語言模型還是文本轉(zhuǎn)語音模型,突然突破到更高智能水平的現(xiàn)象。他們發(fā)現(xiàn),對(duì)于文本轉(zhuǎn)語音應(yīng)用而言,這種飛躍發(fā)生在參數(shù)量達(dá)到 1.5 億的中型數(shù)據(jù)集上。
研究人員還指出,這種飛躍涉及一系列語言屬性,例如使用復(fù)合名詞、表達(dá)情感、使用外語詞、應(yīng)用語音學(xué)和標(biāo)點(diǎn)符號(hào)以及正確強(qiáng)調(diào)句子中的關(guān)鍵詞等能力。
研究團(tuán)隊(duì)表示,出于對(duì)潛在濫用風(fēng)險(xiǎn)的擔(dān)憂,BASE TTS 將不會(huì)向公眾開放,他們計(jì)劃將其作為學(xué)習(xí)應(yīng)用,并期望將學(xué)到的知識(shí)應(yīng)用于改善文本轉(zhuǎn)語音應(yīng)用的整體音質(zhì)。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會(huì)上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽成功舉辦。