Jon Nordby
2020-11-28 17:03:39
这类任务有时称为“样式转换”，其中使内容（说的话）保持相同，但通过样式（韵律，说出方式）来更改表达。要搜索的一些关键字是语音样式转移，语音样式转移，音频样式转移，语音翻译，语音克隆，韵律转移。这是该领域的从业人员Kyle Kastner的一些方法的解释。
良好的言语风格转换是一项艰巨的任务，并且最近几年有很多研究论文。许多使用神经网络的语音转换系统都是文本转语音（TTS）/语音合成模型的改编，例如Tacotron，Tacotron 2或Wavenet。
Github上有许多开源的神经语音样式转换论文实现，但是其中许多需要大量设置才能使用（下载数据集，模型，格式化输入等）。最受欢迎的替代方法之一是实时语音克隆，它应该能够以5秒钟的音频克隆语音。另一个示例是https://sforaidl.github.io/Neural-Voice-Cloning-With-Few-Samples/
热门帖子
热门github
1
2
3
5
6
7
8
11
13
14
15
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
感谢您的回答。