VALL-E X 可以通过仅使用未曾见过的说话者的 3 秒录音作为声学提示，合成高质量的个性化语音，即使是对于一位母语讲者，也可以在另一种语言中执行。此实现支持三种语言（英语、中文、日语）的零尝试、单语 / 跨语言文本到语音功能。
使用教程
1.上传一个持续3到10秒的语音作为音频提示，并键入您想要合成的文本。
2.模型将用您的音频提示相同的声音合成给定文本的语音。
3.该模型还倾向于保留您给定语音的情感和声学环境。
图片：
特别说明：
此教程来源于网络收集整理，仅供本地学习参考，教程无法保证一直有效，请及时转存！
如本教程是商业教程，请务必联系教程作者购买商业许可后方可观看！
教程作者如需删除请第一时间联系右侧客服，获悉后将第一时间删除！
