零下25℃如何取暖?海爾水暖通溫暖驛站亮相冰雪大世界馬太效應,強者恒強?——《中國企業(yè)科創(chuàng)力研究報告(2024)》美團年度報告竟然用上了AI和短?這下是真出圈了消息稱上汽大眾正開發(fā)三款新車,技術分別來自小鵬、智己和榮威鴻蒙智行泊車代駕VPD正式開啟全量推送!升級自動泊車/接駕等多項功能華為官方翻新手機最高降價4000元曝蘋果研發(fā)帶Face ID的智能家居門鈴:內(nèi)置自研W-Fi芯片李斌回應螢火蟲外觀設計:看過實車的人都喜歡這個設計林杰:未來 A 級、A0 級、A00 級車型都將是領克純電的“主場”豐巢存包柜亮相南寧地鐵站,助力城市韌性建設與智慧出行萬象分區(qū)、絢彩XDR、量子點Pro 2025齊出手,TCL引領觀影體驗新變革!QQ音樂年度聽歌報告發(fā)布:誰是你最喜歡的歌手?OpenAI正式發(fā)布o3 - 通往AGI的路上,已經(jīng)沒有了任何阻礙「送禮物」難撬動社交電商,微信小店缺的是供給微軟Phi-4封神,14B小模型數(shù)學擊敗GPT-4o,合成數(shù)據(jù)占比40%,36頁技術報告出爐2024年結(jié)束,哪里是原創(chuàng)動畫的應許之地?深扒一個正被游戲行業(yè)「搶占」的流量帝國百思買重新進軍跨境電商領域視頻生成大模型賽道,只是看上去擁擠GGII:預計2024年中國工業(yè)機器人全年銷量約30萬臺,同比下滑5%左右
  • 首頁 > 云計算頻道 > 大模型

    NaturalSpeech 3:可克隆音色和感情的語音合成系統(tǒng)

    2024年03月08日 10:57:52   來源:站長之家

      隨著大規(guī)模文本到語音(TTS)模型的發(fā)展,取得了顯著進展,但在語音質(zhì)量、相似度和韻律方面仍存在不足?紤]到語音涉及到多個屬性(例如內(nèi)容、韻律、音色和聲學細節(jié)),這為生成帶來了巨大挑戰(zhàn)。

      為了解決這一問題,NaturalSpeech3提出了一種創(chuàng)新的TTS系統(tǒng),采用了新穎的分解擴散模型,以零樣本的方式生成自然語音。也就是提供文本和參考音頻,可以克隆音色和感情,值得注意的是,NaturalSpeech3目前只有論文。

    1.jpg

      語音建模的關鍵創(chuàng)新點之一是使用神經(jīng)編解碼器,包含分解的向量量化(FVQ),將語音波形分解成內(nèi)容、韻律、音色和聲學細節(jié)等子空間。** 這種分解設計使得NaturalSpeech3能夠以分治的方式高效地建模復雜的語音。此外,他們還提出了分解的擴散模型,用于根據(jù)相應提示生成每個子空間中的屬性。實驗證明,NaturalSpeech3在質(zhì)量、相似度、韻律和可懂度等方面優(yōu)于現(xiàn)有TTS系統(tǒng)。

      在LibriSpeech基準測試中,NaturalSpeech3的性能明顯超越了其他系統(tǒng)。對比結(jié)果顯示,NaturalSpeech3在相似度(Sim-O)、錯誤率(WER)、音質(zhì)(CMOS)、語音質(zhì)量(SMOS)等方面均取得了顯著的優(yōu)勢。此外,通過擴大模型規(guī)模和訓練數(shù)據(jù),NaturalSpeech3在200K小時的訓練數(shù)據(jù)和10億參數(shù)的規(guī)模下取得了更好的性能。

    2.jpg

      除了LibriSpeech基準測試,NaturalSpeech3還在Ravdess基準測試上表現(xiàn)出色。在MCD(Mel頻率倒譜系數(shù))方面,相較于其他系統(tǒng),NaturalSpeech3的平均MCD顯著降低,表現(xiàn)出更好的語音合成效果。

      值得注意的是,由于該模型能夠以高度相似的說話者模仿真實語音,存在潛在的濫用風險,例如欺騙語音識別或冒充特定說話者。因此,在實驗中,假定用戶同意成為語音合成的目標說話者。為了防止濫用,研究者呼吁開發(fā)強大的合成語音檢測模型,并建立一個系統(tǒng),讓個體報告任何疑似濫用行為。這一研究符合微軟的負責任AI原則。

      文章內(nèi)容僅供閱讀,不構成投資建議,請謹慎對待。投資者據(jù)此操作,風險自擔。

    即時

    新聞

    明火炊具市場:三季度健康屬性貫穿全類目

    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%。

    企業(yè)IT

    重慶創(chuàng)新公積金應用,“區(qū)塊鏈+政務服務”顯成效

    “以前都要去窗口辦,一套流程下來都要半個月了,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材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。

    3C消費

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實力,創(chuàng)

    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的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。

    研究

    中國信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標識解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標識解析專題論壇在沈陽成功舉辦。