跳到正文

VoiceCraft

用神经编解码器模型编辑语音并克隆声音

访问官网

VoiceCraft 是什么

VoiceCraft 被介绍为一种基于令牌填充的神经编解码器语言模型,用于语音编辑和零样本文本转语音(TTS)。对于未见过的声音,只需几秒钟的语音样本就能克隆该声音或编辑录音。

你可以用它做什么

  • 编辑语音内容
  • 实现零样本文本转语音
  • 克隆模型未见过的声音
  • 编辑现有录音

应用场景

  • 生成自然语音,制作有声书或播客节目
  • 编辑现有录音,修改内容或改变说话人声音
  • 从少量语音样本中克隆某人的声音,生成定制化语音内容

模型说明

  • 该方法基于带令牌填充的神经编解码器语言模型
  • 有声读物、网络视频和播客被列为野外数据
  • 对于未见过的声音只需几秒钟的语音样本

优点与缺点

✓ 我们认可的地方

  • 未见过的声音只需几秒钟样本即可克隆
  • 同时覆盖语音编辑与文本转语音

! 需要留意的地方

  • 资料描述其适用于有声读物、网络视频和播客等野外数据
  • 编辑与克隆都从提供的语音样本出发

常见问题

克隆新声音需要多少音频?

资料说明对未见过的声音只需几秒钟的语音样本。

资料描述了哪些数据?

有声读物、网络视频和播客被列为野外数据。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法