简介：
VALL-E X 可以通过仅使用未曾见过的说话者的 3 秒录音作为声学提示，合成高质量的个性化语音，即使是对于一位母语讲者，也可以在另一种语言中执行。此实现支持三种语言（英语、中文、日语）的零尝试、单语 / 跨语言文本到语音功能。
使用教程
1.上传一个持续3到10秒的语音作为音频提示，并键入您想要合成的文本。
2.模型将用您的音频提示相同的声音合成给定文本的语音。
3.该模型还倾向于保留您给定语音的情感和声学环境。
图片：
温馨提示：
本文最后更新于
2024-10-25 15:26:27，某些文章具有时效性，若有错误或已失效，请在下方
留言或联系
易赚网。
本站资料仅供学习交流使用请勿商业运营，严禁从事违法，侵权等任何非法活动，否则后果自负！
暂无评论内容