連結：https://bytedancespeech.github.io/seedtts_tech_report/
Seed-TTS是由字節跳動推出的一系列大規模自迴歸文本到語音(TTS)模型，能夠生成與人類語音難以區分的語音。它在語音上下文學習、說話人相似度和自然度方面表現出色，透過微調可進一步提升主觀評分。Seed-TTS還提供了對情感等語音屬性的優越控制能力，並能生成高度表達性和多樣性的語音。此外，提出了一種自蒸餾方法用於語音分解，以及一種增強模型魯棒性、說話人相似度和控制性的強化學習方法。還展示了Seed-TTS模型的非自迴歸(NAR)變體Seed-TTSDiT，它採用完全基於擴散的架構，不依賴於預先估計的音素持續時間，透過端到端處理進行語音生成。
需求人群：
Seed-TTS適合需要高質量語音合成的企業和開發者，如智慧助手、有聲讀物、虛擬助手、語音互動系統等。它的高自然度和可控性使其在提供語音服務時能夠更好地滿足使用者需求，提升使用者體驗。
使用場景示例：
- 智慧助手使用Seed-TTS生成自然語音與使用者交流
- 有聲讀物應用利用Seed-TTS為書籍提供流暢的朗讀服務
- 虛擬助手透過Seed-TTS提供情感豐富的語音反饋
產品特色：
- 生成與人類語音難以區分的高質量語音
- 上下文學習，使語音生成更自然
- 微調後可進一步提升主觀評分
- 對情感等語音屬性具有優越的控制能力
- 生成高度表達性和多樣性的語音
- 自蒸餾方法用於語音分解
- 強化學習方法增強模型魯棒性