arXiv Artificial Intelligence· Runyuan Cai, Yu Lin, Yiming Wang, Xiaodong Zeng·· 17 小时前AI 评分37
Audio8-TTS：0.6B 参数零样本语音克隆模型实现 SOTA 可懂度与说话人相似度
Training a Compact, Strong, and Realistic Text-to-Speech Model
AI 导读
Audio8-TTS 是一个 0.6B 参数的紧凑型零样本语音克隆模型，在可懂度和说话人相似度上达到 SOTA，感知自然度表现尤为突出。研究团队用开源 TTS 系统构建质量阶梯，训练了一个以匹配人类录音为参照的真实感评判器，并加入身份擦除目标防止其依赖生成器指纹。
来源：arXiv Artificial Intelligence · arxiv.org