微软发布 AI 声音生成工具 VALL-E，只需 3 秒音频即可模仿人说话
1 月 10 日消息，微软最近发布了一款名为 VALL-E 的人工智能工具，只需 3 秒音频即可模仿人说话。
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。
IT之家了解到，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。
相关文章
- 分析马斯克恢复的 10 个被禁 Twitter 账号数据，每年可创造 1900 万美元广告收入
- 微软称新版必应（Bing）上线不到 48 小时，注册申请用户数量已经突破 100 万
- 剖析字节案例，火山引擎A/B测试DataTester如何“嵌入”技术研发流程
- 微软终结IE11：本月14日正式停止对旧浏览器的支持
- 百度新专利获取授权 或为“文心一言”专利
- 国际空间站俄罗斯舱段计划延寿至 2028 年
- 微信正式支持“小号”注册
- 爱奇艺回应一号三用被封：技术故障 不需要充值更贵会员解封
- 四川子柒文化传播公司工商变更：微念退出股东行列
- 俄罗斯科技巨头 Yandex 几乎所有产品的源代码被泄露，公司称是前员工所为
- 春节假期想省钱换手机一定要比价 荣耀70 Pro不同平台价差达780元
- 百度健康携手人民网 多举措助力新冠基层诊疗补短板
- 华为发布业界首款2000Mbps全光组网：实现2G带宽按需扩频加速
- 抖音集团技术公益大赛："灵瞳"团队夺冠，为视障群体带来先进的视觉辅助
- 爱奇艺客服回应HDMI连接被禁：部分视频版权保护严格
- 联想美国高管谈笔记本市场竞争：不相信所谓的“后 PC 时代”
