【頭部財經】微軟最近發布了一款名為NaturalSpeech2的語音模型，該模型采用創新的設計，在零樣本語音合成方面表現出色。微軟表示，NaturalSpeech2提供了商業級的語音/歌唱解決方案，為用戶提供高質量、多樣化的語音合成體驗。

與傳統的語音轉文字（TTS）系統不同，微軟的NaturalSpeech2使用連續向量來表示語音，而不是離散標記，從而生成更完整的語音片段，避免了生硬的"棒讀"現象，使生成的語音更加自然。

微軟進行了一系列演示，展示了NaturalSpeech2在零樣本情況下生成具有不同說話人身份、韻律和風格（如唱歌）的語音的能力。實驗結果顯示，NaturalSpeech2生成的語音與真實語音的韻律幾乎一致，在自然度方面與真人語音難以區分。

該語音模型的論文已發布于GitHub，感興趣的讀者可以前往查閱。NaturalSpeech2的推出標志著語音合成領域的重要進展，為用戶提供更優質、真實的語音體驗，具有廣泛的商業應用前景和潛力。微軟的創新技術將進一步推動語音合成的發展，并為用戶帶來更多便利和創造力的體驗。