Microsoft が NaturalSpeech2 音声合成モデルを発表: 音声再構成は「より正確」になり、「行き詰まる」こともなくなる
|
マイクロソフトは7月27日、NaturalSpeech2という音声モデルを発表しました。このモデルは「潜在拡散」設計を採用しており、ゼロサンプル音声合成において優れた結果を示しています。マイクロソフトは、このモデルが「商用グレード」の音声/歌唱ソリューションを提供し、ユーザーに高品質で多様な音声合成体験を提供できると主張しています。 Microsoft は NaturalSpeech2 の一連のデモンストレーションを実施し、ゼロショットの状況でさまざまな話者のアイデンティティ、韻律、スタイル (歌唱など) の音声を生成する能力を示しました。 ▲ 画像出典: NaturalSpeech 2 論文 従来の音声テキスト変換 (TTS) システムとは異なり、Microsoft の NaturalSpeech2 は音声を表現するために「個別のタグ」ではなく「連続ベクトル」を使用するため、より完全な音声セグメントが生成され、 「感情の欠如」や「棒読み (単語ごとに話す)」現象が発生しないことが報告されています。 ▲ 画像出典: NaturalSpeech 2 論文 実験結果によると、ゼロサンプル条件下でNaturalSpeech2によって生成された音声は、音声プロンプトや実際の音声のリズムとほぼ一致しており、LibriTTSおよびVCTKテストセットでの自然さ（CMOSで測定）は実際の人間の音声と区別するのが困難です。 このプロジェクトの論文は GitHub で公開されています。興味のある IT Home の友人は、ここをクリックしてアクセスできます。 |
<<: スマートフォンアプリケーションにおける人工知能の役割
>>: アマゾンが新しいAIツールを発表、数千の企業がBedrockを試すよう呼びかけ
推薦する
AIは細胞構造の識別において人間にはできないことができる
[[390952]]人工知能 (AI) を使用して細胞の 3D 構造にラベルを付けて識別することは、...
なぜ機械学習展開プラットフォームを Python ではなく Go で作成したのでしょうか?
Python は機械学習の分野で広く使われるようになりました。しかし、Python は、全能の神が...
2019年の人工知能レビュー：産業の発展は急速な進展を遂げている
2019年、中国の人工知能市場は「熱狂的」だった。IDCの統計によると、世界の人工知能市場規模は20...
AI基盤を強化し、業界の実践に注力する---WOTグローバル人工知能技術サミット機械学習実践フォーラムの記録
[51CTO.comよりオリジナル記事] 6月21日、51CTO主催のWOT2019グローバル人工知...
AIビッグモデルは今後も拡大し続けるのか？
人工知能は現在、ビジネスと金融のあらゆる側面に急速に導入されています。いくつかの刺激的な成功により、...
TensorFlow 学習ニューラルネットワーク構築
1. ニューラルネットワークを構築してレイヤーを追加する入力値、入力サイズ、出力サイズ、活性化関数ニ...
OpenAIは、かつてAGIロボットの開発に取り組んだロボット工学チームを解散。創設者：最良の決断
この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載...
国際翻訳コンテストで優勝したモデルがByteDanceによってオープンソース化された。
Transformer などの主流のテキスト生成アルゴリズムの単語単位の生成は、並列計算に適した ...
マイクロソフトはWindows 11アプリストアの検索アルゴリズムを改善し、ブラウザウェブアプリのインストールをサポートする予定
[[408223]] 6月30日のニュース 6月24日、マイクロソフトは一連の新たな改良を加えたWi...
チャットボットについては長い間話されてきましたが、良いチャットボットとはどのように定義されるのでしょうか?
なぜ良いチャットボットがないのでしょうか? これは私がかなり頻繁に、おそらく平均して週に 2 回は聞...
EfficientViT-SAM: 精度を変えずにその場で離陸!
著者らは、高速化された SAM モデル ファミリである EfficientViT-SAM を提案しま...
この記事では人工知能とは何かを徹底的に解説します！
人工知能 (AI) は、自然科学のさまざまな分野を網羅しており、主に特定の種類の知的な人間の活動をモ...
LRUアルゴリズムの概念から実装まで、React非同期開発の未来
[[428240]]みなさんこんにちは、カソンです。 React ソース コードは、さまざまなモジュ...