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(fā)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(shù)，使用最大的訓練數(shù)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(shù)，在同類產品中最大，在規(guī)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(fā)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(xiàn)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(fā)音質量。
外媒稱，這一突破標志著文本轉語音技術的發(fā)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(fā)布。相反，他們計劃把它作為一種學習應用。（小狐貍）
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
