细节的 TTS 技术 Seed-TTS，制作出来的有声书可能要让喜马拉雅的很多主播失业了！支持多种语言。 目前还没看到项目代码或者测试地址，只有论文： 摘要 我们介绍了Seed-TTS，这是一系列大规模自回归文本转语音（TTS）模型，能够生成几乎与人类语音无法区分的语音。Seed-TTS作为语音生成的基础模型，在语音上下文学习中表现出色，在说话者相似性和自然性方面的表现与真实人类语音在客观和主观评估中相匹配。通过微调，我们在这些指标上获得了更高的主观评分。Seed-TTS在各种语音属性（如情感）上提供了卓越的可控性，并且能够为自然环境中的说话者生成高度富有表现力和多样化的语音。此外，我们提出了一种用于语音因子化的自蒸馏方法，即通过让模型自行学习和改进的方式来提高性能，以及一种增强模型鲁棒性、说话者相似性和可控性的强化学习方法。我们还展示了Seed-TTS模型的非自回归（NAR）变体，名为Seed-TTSDiT，它采用完全基于扩散的架构。与以前的基于NAR的TTS系统不同，Seed-TTSDiT不依赖于预估的音素持续时间，而是通过端到端处理进行语音生成。我们证明了这种变体在客观和主观评估中达到了与基于语言模型的变体相当的性能，并展示了其在语音编辑中的有效性。

有评估版

更新： “细节” -> “字节” 论文地址：

不知道该欢喜还是该忧愁，即设计师、程序员、会计师、作曲家……AI失业论，到现在口播失业。很多人可能没在底层待过，比如我们十八线城市，本来工资低，很多工厂引入了机器人，导致裁员2/3，现有的工人工资也降了一半。满大街都是找不到工作的人。到底那个环节出了问题了。

🥲 是呀，哪个环节出了问题

would love to have this

这个TTS听起来也就那样啊，从你的视频里面听起来和我用过的微软这些TTS效果差不多，还是很标准的普通话和英语。所以知道是AI。 最近很火的那个chattts演示效果要好很多

woc，拿这个来读有声书，我不敢想

评估版里面有个1.24G的测试包，里面都是全球网友用爱发电给的免费语音数据。

她爹专业的👍

逆向应用首先干掉字幕组，估计还能干掉女喘男喘

@Memdotai mem it

细节->字节，我脑子大语言模型预测的是字节

笔误，编辑不了了

终于等到了。我去年就试着想弄个有声书生成器，经常又想看书但眼睛又累了。马上去试试

@readwise save the thread

以后自媒体是不是可以写个文本就够了，翻译各国语言各个平台传播😊

这个在哪里能下载呢

似乎没有中英文混合的例子？不知道会不会开源

牛逼

效果相当不错，足够干掉所有有声书朗读者

ai技术将让一切没有读大学的人过上失业悲惨的人生