高保真

Stability AI 高保真文字轉語音模型旨在提供對大規模資料集進行訓練的語音合成模型的自然語言引導。它透過標註不同的說話者身份、風格和錄音條件來進行自然語言引導。然後將此方法應用於45000小時的資料集，用於訓練語音語言模型。此外，該模型提出了提高音訊保真度的簡單方法，儘管完全依賴於發現的資料，但在很大程度上表現出色。