Google DeepMind Blog · 2024-10-30T15:00:00Z 推动音频生成的前沿 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 我们通过数十万小时的语音数据预训练模型，并在高质量对话数据上进行微调，使模型能够可靠地切换说话者并生成真实音质的音频。 🎯 关键要点 我们通过数十万小时的语音数据预训练模型。 在高质量对话数据上进行微调。 微调数据集包含无脚本对话和准确的说话者注释。 模型学习在生成对话中可靠地切换说话者。 输出的音频具有真实的暂停、音调和时机。 🏷️ 标签 对话 语音数据 说话者 音频 预训练 阅读原文 生成长图 分享链接 已复制链接
