TextrolSpeech:一种带编解码语言文本风格控制的语音语料库

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

该文介绍了一种通过添加额外条件增强预训练文本转音频模型可控性的新模型。作者整合数据集并使用评估指标评估模型性能,结果表明该模型成功实现了细粒度控制和可控的音频生成。

🏷️

标签

➡️

继续阅读