jasonppy/VoiceCraft: Zero-Shot Speech Editing and Text-to-Speech in the Wild

VoiceCraft 是一个零样本语音编辑和文本到语音转换的神经编码语言模型,在野外数据(如有声读物、互联网视频和播客)上实现了最先进的性能。只需几秒钟的参考音频,VoiceCraft就可以克隆或编辑一个未见过的声音。