VALL-E X｜多语言文本到语音合成与语音克隆

微软VALL-E X 零样本语音合成模型的开源实现
预训练模型现已向公众开放，供研究或应用使用

VALL-E X 是一个强大而创新的多语言文本转语音（TTS）模型，最初由微软发布。虽然微软最初在他们的研究论文中提出了该概念，但并未发布任何代码或预训练模型。我们认识到了这项技术的潜力和价值，复现并训练了一个开源可用的VALL-E X模型。

VALL-E X 配备有一系列尖端功能：

多语言 TTS: 可使用三种语言 – 英语、中文和日语 – 进行自然、富有表现力的语音合成。

零样本语音克隆: 仅需录制任意说话人的短短的 3~10 秒录音，VALL-E X 就能生成个性化、高质量的语音，完美还原他们的声音。

GitHub：https://github.com/Plachtaa/VALL-E-X

演示页面：https://plachtaa.github.io/