互联网资讯 / 人工智能 · 2024年3月8日 0

亚马逊发布史上最大的文本转语音模型

2月18日消息,据外媒报道,亚马逊的一个人工智能研究团队宣布,他们开发出了有史以来最大的文本转语音模型。所谓“最大”,是指拥有最多的参数,使用最大的训练数据集。

亚马逊发布史上最大的文本转语音模型

外媒报道称,这个名为BASE TTS的新模型拥有9.8亿个参数,在同类产品中最大,在规模和能力上都超越了之前的迭代版本。它使用了10万个小时的录音来进行训练,其中大部分为英语语音,但也包括德语、荷兰语和西班牙语,这使它成为自然语音的新标准。

研究人员表示,尽管遇到了文本转语音引擎固有的困难,但该模型在处理复杂的语言结构方面表现出了非凡的能力。

研究人员进一步指出,与之前的文本转语音模型相比,该模型提高了单词的发音质量。

外媒称,这一突破标志着文本转语音技术的发展向前迈出了重要的一步,在不久的将来有可能得到广泛的应用。

然而,该团队表示,为了避免滥用,BASE TTS不会向公众发布。相反,他们计划把它作为一种学习应用。