兄弟们炸裂了这个语音专文本TTS模型应该是目前对中文支持最好的了ChatTTS：专门为对话场景设计的文本到语音TTS模型该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。专为对话任务优化，能够支持多种说话人语音，中英文混合等。

发布时间: 2024-05-29 11:21:01

2分

数据加载中

关注推特

收听电报

3

2

1

兄弟们炸裂了
这个语音专文本TTS模型应该是目前对中文支持最好的了
ChatTTS：专门为对话场景设计的文本到语音TTS模型
该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。
专为对话任务优化，能够支持多种说话人语音，中英文混合等。
时政
( twitter.com )

6个月前由小互提交

兄弟们炸裂了

这个语音专文本TTS模型应该是目前对中文支持最好的了

ChatTTS：专门为对话场景设计的文本到语音TTS模型

该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。

专为对话任务优化，能够支持多种说话人语音，中英文混合等。

模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。

GitHub：https://t.co/KC4C2U8VVK
详细介绍：https://t.co/T7bOtDfuFp

Markdown支持

评论加载中...

您可能感兴趣的：更多

1

2

1

1

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS
Seed-TTS能生成与人类语音几乎没有区别的语音
支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。
能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音…
时政
( twitter.com)

5个月前 • AIGCLINK • -- 点击 • 下载视频 0 评论

00:01:12

2

2

1

1

上交大/剑桥等开源这个TTS效果极好：F5-TTS
1、零样本声音克隆，生成的语音自然且富有表现力
2、推理实时率达到0.15，优于现有基于扩散的TTS模型
3、支持控制语音速度，并保持声音自然
4、支持无缝在不同语言/方言间平滑过渡
github：
论文：
时政
( twitter.com)

1个月前 • AIGCLINK • -- 点击 • 下载视频 0 评论

00:01:11

3

2

1

1

#AI开源项目推荐# GPT-SoVITS-WebUI
强大的少样本语音转换与语音合成Web用户界面。
功能：
1. 零样本文本到语音（TTS）：输入 5 秒的声音样本，即刻体验文本到语音转换。
2. 少样本 TTS：仅需 1 分钟的训练数据即可微调模型，提升声音相似度和真实感。
3. 跨语言支持：…
IT技术
( twitter.com)

9个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:17:30

4

2

1

1

兄弟们，这个有点炸裂了
HeyGen 推出视频内文本翻译工具
不仅能翻译你的声音，还翻译屏幕上的文字、字幕！
- 自动进行文本检测
- 将视频中的文本即时翻译成您选择的语言
- 并通过 AI 进行文本与视频风格匹配
非常牛P，翻译视频更加便利...
时政
( twitter.com)

2个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:01:02

5

2

1

1

Google提出AudioPaLM：一个可以说话和听的大型语言模型。

论文页面：

我们介绍了AudioPaLM，这是一个用于语音理解和生成的大型语言模型。AudioPaLM将基于文…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

6

2

1

1

今天我们发布了中文播客领域的第一个授权明确、质量有保障的文本-语音数据集，可用于TTS，ASR等领域模型的训练和微调，涵盖了百万级的数据对、超过三万期播客节目。
时政
( twitter.com)

4个月前 • 朱峰 • -- 点击 0 评论

7

2

1

1

兄弟们，这个模型很强大！👍🏻
M2UGen：多模态音乐理解和生成模型
该模型由腾讯与新加坡国立大学开发，M2UGen能够理解各种音乐，包括风格、演奏乐器、表达的情绪情感等，并进行音乐问答。
而且还能根据文本、图像、视频和音频生成各种音乐，同时对生成的音乐也能理解并根据文字描述对音乐进行编辑。…
IT技术
( twitter.com)

11个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:04:35

8

2

1

1

Meta 昨天推出了 Voicebox，一个全能语音生成模型，这是一个支持六种语言和多种语音处理功能的模型，功能包括

基于上下文的文本转语音合成
跨语言风格转换
跨语言风格转换
多样化的语音采样

详细的功能介绍和原理在下面🧵：
IT技术
( twitter.com)

1年前 • 歸藏 • -- 点击 • 下载视频 0 评论

00:02:43

9

2

1

1

Swift
超快速 AI 语音助手 ⚡️🤖
技术方案组成 🧩
- ASR: Groq OpenAI Whisper 用于语音识别转录
- LLM: Groq Meta Llama 3 用于语言生成模型
- TTS: Cartesia Sonic 语音模型用于快速流式语音合成
- VAD: 语音活动检测，用于检测用户何时在说话
- Dev: TypeScript + Next.js,
时政
( twitter.com)

4个月前 • meng shao • -- 点击 0 评论

0.12894 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特