2024-03-30 13:20 北京 文本输入和一个 15 秒的音频样本就能生成与原始说话者非常相似的自然声音。 机器之心报道编辑：陈萍 文本输入和一个 15 秒的音频样本就能生成与原始说话者非常相似的自然声音。 今天，OpenAI 在语音领域又带给我们一点点震撼，通过文本输入以及一段 15 秒的音频示例，可以生成既自然又与原声极为接近的语音。值得注意的是，即使是小模型，只需一个 15 秒的样本，也能创造出富有情感且逼真的声音。 OpenAI 将这个语音引擎命名为 Voice Engine，首次开发时间是…