数字人底层技术之6个语音合成代表项目：从GPT-SoVITS到Seed-TTS

文章预览

今天是2024年7月21日，星期日，北京，天气晴。 昨天， 老刘说NLP社区第26讲《2024年上半年大模型发展回顾暨7月份半月度KG/RAG/LLM技术总结》  顺利结束，下半年，我们继续加油。 昨天提到近半年来语音方面的一些进展，提到一些有趣的语音合成项目，这是 数字人相关的底层技术 ，我们今天来看看。 项目很多，主要看6个代表性的，包括： GPT-SoVITS、metavoice-src、EmotiVoice、Fish Speech、ChatTTS、Seed-TTS 。 供大家一起思考并参考。 1、GPT-SoVITS GPT-SoVITS是一个开源的、交互式的语音合成工具，它允许用户通过少量的样本训练来生成逼真的语音：https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e。 由参考音频的情感、音色、语速控制合成音频的情感、音色、语速，可以少量语音微调训练，也可不训练直接推理，可以跨语种生成，即参考音频（训练集）和推理文本的 ………………………………