type
status
date
slug
summary
tags
category
icon
password
🔖标签
人工智能、语音合成、开源、文本转语音、声音克隆
✨概述
港中大(深圳)与趣丸科技联合推出的MaskGCT模型,通过非自回归架构实现高质量、可编辑的语音合成。
📄摘要
MaskGCT是由港中大(深圳)与趣丸科技联合开发的新一代文本转语音(TTS)开源模型。该模型通过非自回归(NAR)架构,解决了传统自回归(AR)和非自回归TTS系统的不足,生成的语音更加自然连贯。MaskGCT支持多种语音特征的控制,包括语音长度、语速、停顿和预期,并能进行语音内容编辑和声音克隆。其两阶段架构首先预测语义tokens,然后生成声学tokens,无需对齐监督即可合成高质量语音。MaskGCT还支持零样本语音内容编辑和语音转换,能够根据参考音频转换语音音色,同时保持语义内容不变。相关资源包括GitHub项目、项目主页、论文和Demo展示。
🔗原文链接
https://mp.weixin.qq.com/s/m2hiJsL7fjCvJ3MB8Bn4WA
- Author:ZZB
- URL:https://project-servers.com/article/13be5c82-ebbd-8136-9fba-c7cfa1a19319
- Copyright:All articles in this blog, except for special statements, adopt BY-NC-SA agreement. Please indicate the source!
Relate Posts