微软发布人工智能工具VALL-E,只需3秒音频即可模仿人说话

新知榜官方账号

2023-09-30 17:16:13

微软发布人工智能工具VALL-E,只需3秒音频即可模仿人说话

最近,微软发布了一款名为VALL-E的人工智能工具。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。

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。

本页网址:https://www.xinzhibang.net/article_detail-14540.html

寻求报道,请 点击这里 微信扫码咨询

关键词

微软 人工智能 VALL-E

分享至微信: 微信扫码阅读

相关工具

相关文章