MaskGCT——开源文本转语音模型,可模仿任何人说话声音

前期介绍过很多语音合成的模型,比如ChatTTS,微软语音合成大模型,字节跳动自家发布的语音合成模型Seed-TTS。其模型随着技术的不断发展,模型说话的声音也越来越像人类,虽然 seed-tts 可以进行语音合成等功能,但是其模型并没有开源,本期介绍的MaskGCT文本转语音模型是一个开源的模型,不仅可以生成语音,还可以模仿任何人说话的声音,且可以进行语气的转换。

大规模的文本转语音(TTS)系统通常被划分为自回归系统与非自回归系统。自回归系统虽隐式地对时长予以建模,然而在鲁棒性层面呈现出一定的短板,且时长的可控性匮乏。非自回归系统于训练期间,需要文本和语音之间的显性对齐信息,并对语言单位(诸如音素)的时长进行预测,此举或许会折损其自然度。而 Masked Generative Code Transformer(MaskGCT),此乃一个全然非自回归的 TTS 模型,它既无需文本和语音监督之间的显性对齐信息,也无需音素级时长预测。

MaskGCT 属于一个两阶段模型:在第一阶段,该模型凭借文本预测从语音自监督学习(SSL)模型中萃取的语义标记;在第二阶段,模型对以这些语义标记为条件的声学标记予以预测。MaskGCT 遵循掩码和预测的学习范式。在训练进程中,MaskGCT 会依据给定的条件和提示,学习预测被遮蔽的语义或声学标记。在推理过程里,该模型能够以并行的方式生成指定长度的标记。针对 10 万小时的自然语音展开的实验表明,MaskGCT 在质量、相似度以及可理解性等方面,皆胜于当下最为先进的零样本 TTS 系统。

MaskGCT 由四个主要部分组成:

(1)语音语义表示编解码器将语音转换为语义标记;

(2)文本到语义模型使用文本预测语义标记并提示语义标记;

(3)语义到声学模型根据语义标记预测声学标记;

(4)语音声学编解码器根据声学标记重建语音波形。

MaskGCT模型根据用户提供的声音与文本,识别输入数据的语音语调,通过输入其他的文本,合成具有相同语音语调的声音。

在很多自媒体创作中,很多配音都是合成的声音,若是自己拿稿进行配音,不仅需要重复调整,还需要花费大量的时间与精力,而使用MaskGCT模型,就没有这个担忧,直接让模型学习下自己的语音语调,然后就可以一次性输入自己的文案,让模型进行配音了,这样就大大节省了人工配音的时间成本(更不需要一个专业的录音设备)

MaskGCT模型不仅可以模仿说话者的声音,也可以根据需要调整说话人的情绪,比如高兴的,生气等,这样就可以输入MaskGCT模型多段文案,然后控制每段文案的情绪,就可以得到完美的配音了。

当然MaskGCT模型也可以针对原始语音进行调整修改,可以直接修改原始语音的文案,让MaskGCT模型生成其他的语音。更多使用场景可以到MaskGCT模型 GitHub 上面查看。而官方也放出了在线体验地址,可以进行在线体验。

复制代码
https://maskgct.github.io/ 
https://github.com/open-mmlab/Amphion/blob/main/models/tts/maskgct/README.md 
https://voice.funnycp.com/
 
更多transformer,VIT,swin tranformer
参考头条号:人工智能研究所
v号:启示AI科技
​

动画详解transformer 在线教程

相关推荐
小雷FansUnion1 小时前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
资讯分享周2 小时前
扣子空间PPT生产力升级:AI智能生成与多模态创作新时代
人工智能·powerpoint
叶子爱分享3 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
鱼摆摆拜拜3 小时前
第 3 章:神经网络如何学习
人工智能·神经网络·学习
一只鹿鹿鹿3 小时前
信息化项目验收,软件工程评审和检查表单
大数据·人工智能·后端·智慧城市·软件工程
张较瘦_3 小时前
[论文阅读] 人工智能 | 深度学习系统崩溃恢复新方案:DaiFu框架的原位修复技术
论文阅读·人工智能·深度学习
cver1233 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
学技术的大胜嗷3 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
还有糕手3 小时前
西南交通大学【机器学习实验10】
人工智能·机器学习
江瀚视野3 小时前
百度文心大模型4.5系列正式开源,开源会给百度带来什么?
人工智能