豆包语音模型优化小说演播，大咖音色比美真人

近来，字节跳动的豆包语音大模型在小说演播场景获得打破，无需对话旁白、情感、人物等额定标签，也能完成高体现力、高天然度、高语义了解的小说演播作用，声响组成质量比美真人。

据了解，市面上的语音模型想要比美一流主播细腻的演播作用，要做好旁白和人物的差异演绎、人物情感的准确表达、不同人物的差异度等。传统的小说TTS组成链路，需求提早给内容打标签。豆包语音模型根据Seed-TTS架构优化，则可以端到端直接组成出具有韵律、情感等细节的声响。

图：传统语音模型和豆包语音模型组成链路的差异。

Seed-TTS是字节跳动于2024年6月发布的语音生成基座模型。为提高语音体现力和长文本的了解能力，豆包语音模型团队在Seed-TTS的数据、特征、上下文等结构上做了改善。比方数据上，音频做章节等级处理，确保了长文下的语音一致性和连贯性；语音韵律和准确性上，交融原始文本和前端信息，确保语气词、副言语、着重、弱读等内容天然流通；额定参加的上下文了解能力，使得模型可以感知更大规模的语义信息，旁白和人物音体现更精准到位。

优化后的豆包语音模型，能端到端演绎更多元的情感，在人物不同心情上体现天然，并且可完成接连多轮对话，确保人物差异明显。

豆包语音模型团队以王明军、李满超两位配音圈大咖的声响为根底，选用新技术组成的有声书，已上线西红柿小说，遭到用户的广泛欢迎。

内容来源：https://congtytkp.com.vn/app-1/lichj thi dau msi,http://chatbotjud.saude.mg.gov.br/app-1/donos-da-bola-bet

本文地址：http://w.21nx.com/news/42338111-21b38599593.html