1 月 10 日消息，微软最近发布了一款名为 VALL-E 的人工智能工具，只需 3 秒音频即可模仿人说话。
该工具经过 60000 小时英语语音数据的训练，并使用特定语音的 3 秒剪辑来生成内容。与目前的许多人工智能工具不同，VALL-E 可以复制说话者的情绪和语气，即使说话者本人从未说过的单词也可以模仿。
IT之家了解到，康奈尔大学的一篇论文使用 VALL-E 合成了几种声音，大家可以在 GitHub 上聆听这些 AI 合成的音频。
研究人员指出，在许多情况下，Vall-E 的性能优于当前的文本到语音转换模型。然而，该研究还写道，人工智能模型目前存在几个问题。例如，文本提示中的某些单词可能会发音不清晰、完全遗漏或在输出中出现两次。此外，该模型目前难以模仿某些声音，尤其是带有口音的声音。
像其他 AI 新技术一样，VALL-E 在安全、伦理等方面也引发了担忧。微软发布了关于使用 VALL-E 的道德声明，但未来的使用用途方面没有明确说明。
目前，微软 Vall-E 尚未开源。微软已经在 GitHub 上创建了一个 Vall-E 存储库，但目前只包含一个描述文件。
文章版权声明
1 原创文章作者：天道愁勤，如若转载，请注明出处： https://www.52hwl.com/53143.html
2 温馨提示：软件侵权请联系469472785#qq.com（三天内删除相关链接）资源失效请留言反馈
3 下载提示：如遇蓝奏云无法访问，请修改lanzous(把s修改成x)
4 免责声明：本站为个人博客，所有软件信息均来自网络 修改版软件，加群广告提示为修改者自留，非本站信息，注意鉴别
微信扫一扫 
支付宝扫一扫 