GLM-TTS
Met l'accent sur le clonage vocal de GLM-TTS à partir de trois secondes d'audio et son contrôle émotionnel, en décrivant la génération en deux étapes et l'apprentissage par renforcement sur le taux d'erreur.
GLM-TTS est un système de synthèse vocale de qualité industrielle publié et ouvert par Zhipu. Environ trois secondes d'audio suffisent pour cloner une voix, plusieurs émotions et rôles sont pris en charge, et un générateur en deux étapes entraîné par apprentissage par renforcement abaisse le taux d'erreur sur les caractères à un niveau de référence open source. Le coût réduit permet de passer de la démonstration à la production.
