感谢本站的朋友OC_Formula的线索传递！
，微软最近发布了一款名为VALL—E的人工智能工具，它可以只用3秒钟的音频来模仿人类说话。
这个工具由6万小时的英语语音数据训练，使用特定语音的3秒片段生成内容与目前的许多人工智能工具不同，VALL—E可以复制说话者的情绪和语气，甚至说话者自己从未说过的话也可以模仿
本站了解到，康奈尔大学的一篇论文用VALL—E合成了几种声音，你可以在GitHub上听听AI合成的音频。
研究人员指出，在许多情况下，Vall—E的性能优于当前的文本到语音转换模型可是，该研究也写道，目前人工智能模型存在几个问题例如，文本提示中的一些单词可能发音不清楚，被完全省略或在输出中出现两次此外，这种模型目前很难模仿一些声音，尤其是带有口音的声音
像其他新的人工智能技术一样，VALL E也引起了安全和道德方面的担忧微软已经发布了一份关于VALL—E使用的道德声明，但是对于其未来的用途并没有明确的解释
目前微软Vall—E并没有开源微软在GitHub上创建了一个Vall—E资源库，但目前只包含一个描述文件
。
