阿里巴巴通義實驗室語音團隊宣布,其開源的語音生成大模型CosyVoice已升級至2.0版本,這一升級標(biāo)志著語音生成技術(shù)在準(zhǔn)確性、穩(wěn)定性和自然體驗方面的顯著進步。CosyVoice2.0通過采用離線和流式一體化建模的語音生成大模型技術(shù),實現(xiàn)了雙向流式語音合成,首包合成延遲可達(dá)到150ms,顯著提升了語音合成的響應(yīng)速度。
在發(fā)音準(zhǔn)確性方面,CosyVoice2.0相比于前一版本錯誤率下降了30%至50%,在Seed-TTS測試集的hard測試集上取得了當(dāng)前最低的字錯誤率,尤其在合成繞口令、多音字、生僻字方面表現(xiàn)出色。此外,2.0版本在零樣本語音生成和跨語言語音合成上保持了音色一致性,特別是跨語言語音合成能力相較于1.0版本有了明顯提升。
CosyVoice2.0在合成音頻的韻律、音質(zhì)、情感匹配方面也有所增強,MOS評測分從5.4提升至5.53,接近某商業(yè)化語音合成大模型的評分。同時,2.0版本支持更多細(xì)粒度的情感控制和方言口音控制,為用戶提供了更豐富的語言選擇,包括粵語、四川話、鄭州話、天津話和長沙話等主要方言,以及角色扮演功能,如模仿機器人、小豬佩奇的風(fēng)格講話等。
CosyVoice2.0的升級,不僅提升了語音合成的技術(shù)和體驗,也進一步推動了開源社區(qū)的發(fā)展,鼓勵更多的開發(fā)者參與到語音處理技術(shù)的創(chuàng)新和應(yīng)用中來。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,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。
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(biāo)識解析專題論壇在沈陽成功舉辦。