CSS站长资源（ChinaZ.com）4月26日 消息:MyShell TTS 开发的版本 OpenVoice 是一项创新的声音克隆技术，它能够通过仅使用一小段参考发言者的发布风格音频片段来复制其声音，并生成多种语言的声音语音。

目前，进行精细MyShell TTS 已经推出了全新的控制OpenVoice V2版本。这个版本能够直接支持英语、版本西班牙语、发布风格法语、声音中文、进行精细日语以及韩语，控制并且显著提高了音频输出的版本质量。OpenVoice V2拥有复制任意声音的发布风格能力，能以多种语言进行语音输出，声音并具备情感和口音的进行精细控制功能。它不但可以准确模仿特定的控制声音色彩，还允许对声音的风格，包括情感、口音、节奏、停顿及语调等进行细致调整。

主要功能:

• 准确的音色克隆: OpenVoice 能够精确地克隆参考音色，并在多种语言和口音中生成语音。

• 灵活的声音风格控制: 用户可以对声音的情绪、口音、节奏、停顿和语调进行详细调整，实现个性化的声音输出。

• 零样本跨语言声音克隆: 即使某些语言未在训练集中出现，OpenVoice 也能实现声音复制。

• 高效的计算性能: 相比于市场上现有的商业API，OpenVoice 在保持高性能的同时，计算成本大大降低。

OpenVoice V2新特性:

• 更好的音频质量: 采用新的训练策略提升音频质量。

• 原生多语言支持: 原生支持英语、西班牙语、法语、中文、日语和韩语。

• 集成 MeloTTS: V2版本引入了 MeloTTS 技术，增强了声音的自然度和表现力。

• 免费商业使用: 自2024年4月起，V1和V2版本均以 MIT 许可证发布，支持商业和研究用途的免费使用。

技术方法:

声音样式和语言的解耦设计: OpenVoice 的设计哲学是将声音的不同特性进行解耦，使得可以独立控制各个参数，提高操作的灵活性和推断速度。

基础发音者 TTS 模型与音色转换器: 包括允许对风格参数进行控制的基础发音者 TTS 模型，以及采用编码器-解码器结构的音色转换器。

训练策略和数据处理: 在训练过程中，使用了大量的多语种、多风格的音频样本，并采用特定的损失函数确保在保留风格的同时去除或转换音色。

官网：https://research.myshell.ai/open-voice

项目地址：https://top.aibase.com/tool/openvoice

创建自己的语音机器人：https://myshell.ai/

(责任编辑：小程序)