Vall-e X可以通过仅使用以前从未见过的说话者的3秒录音来与高质量的个性化声音合成，即使是一种用另一种语言的母语人士，即使是一位母语者，也可以作为声音提示。该实现支持三种语言（英语，中文，日语）的零尝试，单语/跨语言文本对声音功能。 8 E＆X/ E. KV4 FX
; 4 jb* e，x：s
用法教程
，Q； _4 J0 T：i＆y/ {/ g＆{5 p“ x1 p， ：t7 w！yk
1。上传一个持续3到10秒的声音作为音频提示，然后键入要合成的文本。 0 DY2 L5 W2 P，C
5 F'l7 R7 R9 L- Z％N：H2 L8 T6 R：J
2。模型将使用音频提示与给定文本的语音合成语音。 ;英国！ O0 B！ m：c％？+`，j
6 c $ v $ p- b5 ％q2 f）
3。该模型还倾向于保留给定语音的情感和声学环境。 6 R（F2 M8 P8 P- ＆C0 PE RO6 i
+ {'l。 w）c，q：x2 p6 a6 u
+ U）Z：G5 g。 z'v％e+ a，j：n7 a5 p+ l4 j
，_＃ ^％A9 L。 s
-v2 a $ x* （[8 Q9 Q4 A：{9 F）G2 [$ t
访客，如果您想查看此帖子的隐藏内容，请回复
