风君子博客2月18日消息，据外媒报道，亚马逊的一个人工智能研究团队宣布，他们开发出了有史以来最大的文本转语音模型。所谓“最大”，是指拥有最多的参数，使用最大的训练数据集。
外媒报道称，这个名为BASE TTS的新模型拥有9.8亿个参数，在同类产品中最大，在规模和能力上都超越了之前的迭代版本。它使用了10万个小时的录音（来自公共网站）来进行训练，其中大部分为英语语音，但也包括德语、荷兰语和西班牙语，这使它成为自然语音的新标准。
研究人员表示，尽管遇到了文本转语音引擎固有的困难，如发音错误或语调错误，但该模型在处理复杂的语言结构方面表现出了非凡的能力。
研究人员进一步指出，与之前的文本转语音模型相比，该模型提高了单词的发音质量。
外媒称，这一突破标志着文本转语音技术的发展向前迈出了重要的一步，在不久的将来有可能得到广泛的应用。
然而，该团队表示，为了避免滥用，BASE TTS不会向公众发布。相反，他们计划把它作为一种学习应用。（小狐狸）
支付宝扫一扫
微信扫一扫
