微软NaturalSpeech语音合成推出第三代，网友惊呼：超自然！实至名归

今日应用

腾讯智影

腾讯智影是一款云端智能视频创作工具，集素材搜集、视频剪辑、渲染导出和发布于一体的免费在线剪辑平台。强大的AI智能工具，支持文本配音、数字人播报、自动字幕识别、文章转视频、去水印、视频解说、横转竖等功能，拥有丰富的素材库，极大提升创作效率，帮助用户更好地进行视频化的表达。

今日话题

微软NaturalSpeech语音合成推出第三代，网友惊呼：超自然！实至名归

 

重点标签 语音合成、NaturalSpeech 3、微软、AI技术、招聘

文章摘要

NaturalSpeech 3 项目是微软在语音合成领域的最新进展，它通过创新的技术和模型，实现了与人类相媲美的自然语音合成。项目的第一阶段，NaturalSpeech 1，在LJSpeech数据集上取得了与人类录音相当的音质。第二阶段，NaturalSpeech 2，通过扩散模型实现了零样本语音合成。最新的进展，NaturalSpeech 3，通过属性分解扩散模型和FACodec，实现了零样本语音合成的重要突破，极大地提高了语音合成的质量和自然度。NaturalSpeech 3的音色克隆效果令人印象深刻，能够复刻提示音频中的情绪等语音信息，并且能够根据不同属性的提示实现可控的生成。FACodec技术将复杂的语音波形转换成解耦表示，并从这些属性重构高质量的语音波形。NaturalSpeech 3的SOTA语音合成效果在多个方面超越了现有的TTS系统。此外，该团队正在招聘音频、视频和大模型方向的研究员和研究实习生。

文章来源

原文地址: 点我阅读全文
原文作者: 机器之心