亚马逊首个大型语音 AI 模型 BASE TTS 问世

亚马逊人工智能研究团队开发了一项名为 BASE TTS 的文本转语音技术，该技术拥有 9.8 亿个参数，是有史以来最大的模型之一。BASE TTS 使用了 10 万个小时的录音进行训练，包括英语、德语、荷兰语和西班牙语等，处理复杂的语言结构方面表现出色，单词发音质量得到了显著提升。尽管存在发音和语调错误等问题，这一技术仍标志着文本转语音技术的重要进展，未来可能得到广泛应用，但 BASE TTS 不会向公众发布，将仅用于学习应用中。