2月18日消息，據(jù)外媒報(bào)道，亞馬遜的一個(gè)人工智能研究團(tuán)隊(duì)宣布，他們開發(fā)出了有史以來最大的文本轉(zhuǎn)語音模型。所謂“最大”，是指擁有最多的參數(shù)，使用最大的訓(xùn)練數(shù)據(jù)集。
外媒報(bào)道稱，這個(gè)名為BASE TTS的新模型擁有9.8億個(gè)參數(shù)，在同類產(chǎn)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(gè)小時(shí)的錄音（來自公共網(wǎng)站）來進(jìn)行訓(xùn)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(biāo)準(zhǔn)。
研究人員表示，盡管遇到了文本轉(zhuǎn)語音引擎固有的困難，如發(fā)音錯(cuò)誤或語調(diào)錯(cuò)誤，但該模型在處理復(fù)雜的語言結(jié)構(gòu)方面表現(xiàn)出了非凡的能力。
研究人員進(jìn)一步指出，與之前的文本轉(zhuǎn)語音模型相比，該模型提高了單詞的發(fā)音質(zhì)量。
外媒稱，這一突破標(biāo)志著文本轉(zhuǎn)語音技術(shù)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(yīng)用。
然而，該團(tuán)隊(duì)表示，為了避免濫用，BASE TTS不會向公眾發(fā)布。相反，他們計(jì)劃把它作為一種學(xué)習(xí)應(yīng)用。（小狐貍）
（免責(zé)聲明：本網(wǎng)站內(nèi)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(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
