OpenVoice V2版本发布 能对声音风格进行精细控制
MyShell TTS 开发的 OpenVoice 是一项创新的声音克隆技术,它能够通过仅使用一小段参考发言者的音频片段来复制其声音,并生成多种语言的语音。
目前,MyShell TTS 已经推出了全新的OpenVoice V2版本。这个版本能够直接支持英语、西班牙语、法语、中文、日语以及韩语,并且显著提高了音频输出的质量。OpenVoice V2拥有复制任意声音的能力,能以多种语言进行语音输出,并具备情感和口音的控制功能。它不但可以准确模仿特定的声音色彩,还允许对声音的风格,包括情感、口音、节奏、停顿及语调等进行细致调整。
主要功能:
准确的音色克隆: OpenVoice 能够精确地克隆参考音色,并在多种语言和口音中生成语音。
灵活的声音风格控制: 用户可以对声音的情绪、口音、节奏、停顿和语调进行详细调整,实现个性化的声音输出。
零样本跨语言声音克隆: 即使某些语言未在训练集中出现,OpenVoice 也能实现声音复制。
高效的计算性能: 相比于市场上现有的商业API,OpenVoice 在保持高性能的同时,计算成本大大降低。
OpenVoice V2新特性:
更好的音频质量: 采用新的训练策略提升音频质量。
原生多语言支持: 原生支持英语、西班牙语、法语、中文、日语和韩语。
集成 MeloTTS: V2版本引入了 MeloTTS 技术,增强了声音的自然度和表现力。
免费商业使用: 自2024年4月起,V1和V2版本均以 MIT 许可证发布,支持商业和研究用途的免费使用。
技术方法:
声音样式和语言的解耦设计: OpenVoice 的设计哲学是将声音的不同特性进行解耦,使得可以独立控制各个参数,提高操作的灵活性和推断速度。
基础发音者 TTS 模型与音色转换器: 包括允许对风格参数进行控制的基础发音者 TTS 模型,以及采用编码器-解码器结构的音色转换器。
训练策略和数据处理: 在训练过程中,使用了大量的多语种、多风格的音频样本,并采用特定的损失函数确保在保留风格的同时去除或转换音色。
官网:https://research.myshell.ai/open-voice
项目地址:https://top.aibase.com/tool/openvoice
创建自己的语音机器人:https://myshell.ai/
华为Mate60 RS非凡大师今日开售
华为Mate60RS超高端旗舰今日上午10:08正式迎来首销,起售价为11999元。值得一提的是,华为商城明确规定每个用户仅限购买一台Mate60RS。官方此举是为了避免产品被抬价转售等不当行为。另外,华为Mate60RS的核心配置也相当出色,该机型采用了6.82英寸的屏幕,支持1-120HzLTPO自适应刷新率。站长网2023-09-28 08:27:390000iPhone屏幕发明人从苹果离职 曾负责ProMotion、Face ID等项目
苹果公司的重要高管史蒂夫·霍特林即将退休,他曾负责开发许多关键技术,其中包括iPhone的多点触控屏幕、TouchID和FaceID。霍特林在苹果公司担任副总裁,向硬件技术高级副总裁约翰尼·斯鲁吉汇报工作。他在退休前负责监督触摸屏技术、健康传感器和FaceID。站长网2023-12-07 09:51:020000国产大模型猛追ChatGPT:讯飞星火V3发布,明年冲击GPT-4
国产大模型正在猛追ChatGPT。继不久前百度最强大模型发布时宣称“不逊色GPT-4”,如今讯飞迎头追赶,今天正式发布的讯飞星火认知大模型V3.0,对标的对手依然是——ChatGPT。科大讯飞董事长刘庆峰宣布,星火认知大模型V3.0七大维度能力全面提升,中文能力客观评测超越ChatGPT(GPT3.5)、英文能力与之相当,医疗领域超越GPT-4。站长网2023-10-25 00:51:190000微软测试 Windows 11 应用商店的 AI 中心
据theverge消息,在今年早些时候在MicrosoftStore展示了一个人工智能中心之后,如今它终于在Windows11的内测版本(25905)中向Insiders推出了。这个内置的人工智能中心将突出展示来自第三方开发者和微软的一系列精选人工智能应用。站长网2023-07-13 23:56:230000华为畅享60 Pro将于5月18日发布
华为宣布,将在5月18日举行夏季全场景新品发布会,并发布畅享60Pro。据悉该手机采用了直屏设计,后置摄像头采用了“双环”设计,正面则配备了一块中置挖孔屏。此外,华为还将在发布会上一同发布全新华为WATCH4、华为MatePad、华为MateBook等系列。站长网2023-05-15 15:14:030000