Edge0发布了Audio8-TTS-Realistic,一个拥有0.6亿参数的开放权重模型,支持零样本语音克隆。该模型支持23种语言,并针对高效微调和推理进行了优化,在CV3等特定基准测试中表现优于更大的开放模型。它采用了双自回归架构和一种新颖的训练方法,包括一个真实感批评器,以超越传统的词错误率等指标来增强自然度。 AI
影响 该模型为开发者提供了高效、高质量的语音克隆能力,可能降低AI驱动音频应用的入门门槛。
排序理由 发布一款具有性能基准测试的新型开放权重TTS模型。[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 →