VALL_E_X語音克隆帶6款模型-整合版

VALL-E X 可以通過僅使用未曾見過的說話者的 3 秒錄音作為聲學提示，合成高質量的個性化語音，即使是對于一位母語講者，也可以在另一種語言中執行。此實現支持三種語言（英語、中文、日語）的零嘗試、單語 / 跨語言文本到語音功能。

使用教程

1.上傳一個持續3到10秒的語音作為音頻提示，并鍵入您想要合成的文本。

2.模型將用您的音頻提示相同的聲音合成給定文本的語音。

3.該模型還傾向于保留您給定語音的情感和聲學環境。