Bagpiper-TTS

Bagpiper-TTS系统支持从自然语言提示进行通用语音合成

研究人员推出了一种名为Bagpiper-TTS的新型语音合成系统，该系统旨在处理各种自然语言请求。该系统首先从自然语言提示中解析用户意图，生成详细的字幕，然后指导语音合成过程。Bagpiper-TTS支持广泛的应用，超越了传统的文本到语音转换，包括多说话人合成、意图到语音合成、角色扮演合成和歌声合成。评估显示，在Seed-TTS-Eval基准测试中，其词错误率为1.7%，并且在LLM-as-a-judge和人类主观评估中，其性能与专用模型相当。