研究人员推出CookVoice，一个用于可控多模态人类语音生成的统一框架。该系统将语音分解为内容、韵律和风格因素，使其能够在一个模型中处理文本到语音、歌声生成和语音编辑等任务。CookVoice在生成质量上可与现有系统媲美，同时提供增强的风格和韵律控制，并且参数量相对较小且推理效率高。 AI
影响 这个统一框架有望简化开发并提高各种语音生成应用的控制能力。
排序理由 该集群包含一篇详细介绍语音生成新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
