要点:

• 微软 NaturalSpeech 推出第三代语音合成技术，微软实现了超自然的语音合音更零样本语音合成。

• NaturalSpeech3采用创新的成推出第成语属性分解扩散模型和数据 / 模型扩展，提高了语音合成的代生质量和自然度。

• FACodec 和属性分解扩散模型是微软 NaturalSpeech3的关键技术，取得了 SOTA 的语音合音更语音合成效果。

CSS站长资源（ChinaZ.com）3月22日 消息:近来，成推出第成语微软 NaturalSpeech 项目推出了第三代语音合成技术，代生以实现超自然的微软零样本语音合成。NaturalSpeech3通过属性分解扩散模型和数据 / 模型扩展，语音合音更提高了语音合成的成推出第成语质量和自然度。其关键技术 FACodec 和属性分解扩散模型取得了 SOTA 的代生语音合成效果。

NaturalSpeech3的微软成功在于基于属性分解的 Codec+Diffusion 建模范式，以及数据 / 模型扩展。语音合音更传统 TTS 系统难以支持高质量零样本语音合成，成推出第成语而 NaturalSpeech3通过扩大数据集和模型规模，大幅提升了合成语音的质量和自然度。

论文:https://arxiv.org/abs/2403.03100

Demo 演示: https://speechresearch.github.io/naturalspeech3

FACodec 作为 NaturalSpeech3的核心组件，能够将语音波形转换成不同属性的解耦表示，从而实现高质量语音合成。属性分解扩散模型的设计使得对音素持续时间、韵律、内容和声学细节的建模更加精准，从而提升了语音合成的效果。

NaturalSpeech3在语音质量、相似性、韵律和可懂度方面均超越了现有 TTS 系统。其扩散模型和 FACodec 的应用展示了基于属性分解的语音表征在语音合成领域的巨大潜力，为实现自然且高质量的语音合成提供了新思路。

微软 NaturalSpeech3的技术突破和创新为语音合成领域带来新的可能性，为未来更自然、更高效的语音合成奠定了基础。这一成果将进一步推动语音合成技术的发展，为实现智能语音交互提供更强大的支持。

(责任编辑：资讯)