共计 237 个字符，预计需要花费 1 分钟才能阅读完成。
VALL-E X 可以通过仅使用未曾见过的说话者的 3 秒录音作为声学提示，合成高质量的个性化语音，即使是对于一位母语讲者，也可以在另一种语言中执行。此实现支持三种语言（英语、中文、日语）的零尝试、单语 / 跨语言文本到语音功能。
上传一个持续 3 到 10 秒的语音作为音频提示，并键入您想要合成的文本。
模型将用您的音频提示相同的声音合成给定文本的语音。
该模型还倾向于保留您给定语音的情感和声学环境。
© 版权声明
转载请注明来自白芸资源网以及原文地址。
本站不敢保证内容的可靠性，内容仅供小范围学习与参考，禁止用于商业、盈利或其它非法用途以及大范围传播，您需在学习与参考完毕后从您的个人存储空间彻底删除，因您滥用而造成的损失本站不承担法律责任。
本站部分内容可能源于互联网，版权争议与本站无关，如有侵权可联系站长处理，敬请谅解！
请您合法使用本站资源。
THE END
