消息稱亞馬遜開發(fā)出最大的文本轉語音模型

2月19日消息，據(jù)報道，亞馬遜的一個人工智能研究團隊宣布，他們開發(fā)出了有史以來最大的文本轉語音模型。所謂“最大”，是指擁有最多的參數(shù)，使用最大的訓練數(shù)據(jù)集。這個名為BASE TTS的新模型擁有9.8億個參數(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10萬個小時的錄音（來自公共網(wǎng)站）來進行訓練，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準。研究人員進一步指出，與之前的文本轉語音模型相比，該模型提高了單詞的發(fā)音質量。