亞馬遜開發出有史以來最大的文本轉語音模型快訊
導讀
他們開發出了有史以來最大的文本轉語音模型，與之前的文本轉語音模型相比，這個名為BASE TTS的新模型擁有9.8億個參數。
【TechWeb】2月18日消息，據外媒報道，亞馬遜的一個人工智能研究團隊宣布，他們開發出了有史以來最大的文本轉語音模型。所謂“最大”，是指擁有最多的參數，使用最大的訓練數據集。
外媒報道稱，這個名為BASE TTS的新模型擁有9.8億個參數，在同類產品中最大，在規模和能力上都超越了之前的迭代版本。它使用了10萬個小時的錄音（來自公共網站）來進行訓練，其中大部分為英語語音，但也包括德語、荷蘭語和西班牙語，這使它成為自然語音的新標準。
研究人員表示，盡管遇到了文本轉語音引擎固有的困難，如發音錯誤或語調錯誤，但該模型在處理復雜的語言結構方面表現出了非凡的能力。
研究人員進一步指出，與之前的文本轉語音模型相比，該模型提高了單詞的發音質量。
外媒稱，這一突破標志著文本轉語音技術的發展向前邁出了重要的一步，在不久的將來有可能得到廣泛的應用。
然而，該團隊表示，為了避免濫用，BASE TTS不會向公眾發布。相反，他們計劃把它作為一種學習應用。（小狐貍）
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
