實(shí)驗(yàn)結(jié)果表明，當(dāng)數(shù)據(jù)量在10秒到5分鐘之間時(shí)，MegaTTS不僅可以在任意來源的新用戶的短提示下合成保同語音，而且始終優(yōu)于基于Fine-tuning的基線方法（Portaspeech 2）。

此外得益于音色和韻律獨(dú)立建模的方式，火山語音的韻律語言模型可以以細(xì)粒度和可控的方式將各種說話風(fēng)格轉(zhuǎn)移到目標(biāo)音色，甚至可以模仿Rap。未來這些功能也會(huì)陸續(xù)上線，為更多用戶提供創(chuàng)作空間。

一直以來，火山語音團(tuán)隊(duì)不斷將打磨多年的語音技術(shù)能力面向市場并通過火山引擎開放給外部企業(yè)，已覆蓋汽車、金融、有聲閱讀、視頻配音等眾多應(yīng)用場景，技術(shù)能力已成功應(yīng)用到抖音、剪映、番茄小說等多款國民級產(chǎn)品上，并助力多家行業(yè)頭部企業(yè)實(shí)現(xiàn)AI語音能力的應(yīng)用與拓展。未來火山語音還將不斷探索前沿科技與業(yè)務(wù)場景的高效結(jié)合，持續(xù)為用戶體驗(yàn)和業(yè)務(wù)增長注入創(chuàng)新勢能，以實(shí)現(xiàn)更大價(jià)值。

songjy