PPG2Speech 音素级语音编辑模型发布

研究者 Zirui Li、Lauri Juvela 与 Mikko Kurimo 发布论文，提出基于扩散模型的多说话人语音合成模型 PPG2Speech。该模型无需文本对齐即可编辑单个音素，目标是把母语语音编辑为接近第二语言（L2）发音的效果。作者称，在芬兰语这一低资源、接近音素化的语言上，用约 60 小时数据验证了方法有效，并提出 PAC 评测指标，源代码已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。