VALL-E X 可以通过仅使用未曾见过的说话者的 3 秒录音作为声学提示，合成高质量的个性化语音，即使是对于一位母语讲者，也可以在另一种语言中执行。此实现支持三种语言（英语、中文、日语）的零尝试、单语 / 跨语言文本到语音功能。
使用教程
1.上传一个持续3到10秒的语音作为音频提示，并键入您想要合成的文本。
2.模型将用您的音频提示相同的声音合成给定文本的语音。
3.该模型还倾向于保留您给定语音的情感和声学环境。
登录 后就可下载了哦！
版权说明
文章采用： 《署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0)》许可协议授权。版权声明：本站资源来自互联网收集，仅供用于学习和交流，请勿用于商业用途。如有侵权、不妥之处，请联系客服并出示版权证明以便删除!
发表评论