阿里公佈新語音合成技術 錄音10分鐘定制AI語音


訪問:

阿里雲 – 最高1888元通用代金券立即可用

KAN-TTS的基本框圖

構建多發音人語音合成系統的方式

多發音人模型實際訓練過程

據悉,KAN-TTS由達摩院機器智能實驗室自主研發,深度融合了目前主流的端到端TTS技術和傳統TTS技術,從多個方面改進了語音合成。傳統語音合成定制需要10小時以上的數據錄製和標註,對錄音人和錄音環境要求很高。從啟動定製到最終交付,項目週期長成本高。

阿里利用Multi-Speaker Model與Speaker-aware Advanced Transfer Learning相結合的方法,將語音合成定製成本降低10倍以上,週期壓縮3倍以上。也就是說,用1小時有效錄音數據和不到兩個月製作週期,就能完成一次標準TTS定制。

此外,這使得普通用戶定制“AI聲音”的門檻更低。只需手機錄音十分鐘,就能獲得與錄製聲音高度相似的合成語音。

.

Leave a Comment