Overview
StyleTTS 2 imhando yemavara-kune-kutaura modhi inobata izwi 'maitiro' - prosody, manzwiro, uye timbre yemukurukuri - sechinhu chisina kujairika sampled ine diffusion modhi, yobva yagadzira odhiyo nekudzidziswa kweanopikisa kupesana nemhando huru yemutauro wekutaura. Izvo zvine basa nekuti yakasvika padanho remunhu pazviyero zvemutauri mumwe chete pasina kuda clip yereferensi panguva yekufungidzira.
StyleTTS 2 Style Diffusion inogara muodhiyo-AI workflows inoshandura kutaura, mimhanzi, uye ruzha rwekutaurirana, kuwanikwa, uye kugadzira midhiya.
Deep Dive
StyleTTS 2, yakaburitswa muna 2023 nevatsvagiri vepaColumbia University, inogadzira kutaura nekutanga sampling yakarebesa 'style vector' uchishandisa diffusion process inongoiswa pane yekupinda zvinyorwa, wobva wadhirodha chimiro ichocho pamwe nemafoni kuita waveform. Iyo style vector inodzora zvese zvisina kunyorwa muzvinyorwa: chiyero chekutaura, tonation contour, kumbomira, uye ruvara rwemanzwiro. Zvine hutsinye, inowedzera kudzidziswa kweanopikisa neakakura-akadzidziswa matauriro emutauro wemamodheru (WavLM) sevasarura, vachisundira zvinobuda kune yechokwadi-inonzwika inzwi remunhu. Pachibhenji cheLJSpeech yakapfuura kurekodhwa kwevanhu muzviyero zvevateereri, uye pane yevatauri vakawanda LibriTTS yakaisa yaienderana chokwadi chepasi - chiitiko chakakosha chekuguma-ku-kuguma neural TTS mhando.
Technical Insight
Iyo yakakosha yehunyengeri ndeyekupararira kwemaitiro: pachinzvimbo chekufanotaura imwe yakagadziriswa prosody, StyleTTS 2 modhi yemhando seyangangoita kugovera uye masampuli kubva mairi kuburikidza neiyo diffusion modhi inomhanya munzvimbo yakaderera-dimensional yakadzikama, saka mutsara mumwechete unogona kutaurwa nzira dzakawanda dzechisikigo. Kupera-kusvika-kumagumo, iyo nguva yekufungidzira, chimiro encoder, decoder, uye WavLM-based adversarial discriminator vanodzidziswa pamwe chete, vachirega magradients achiyerera kubva kumhando yewaveform achidzokera kuburikidza nepombi yese.
Mastering StyleTTS 2 Style Diffusion
StyleTTS 2 imhando yemavara-kune-kutaura modhi inobata izwi 'maitiro' - prosody, manzwiro, uye timbre yemukurukuri - sechinhu chisina kujairika sampled ine diffusion modhi, yobva yagadzira odhiyo nekudzidziswa kweanopikisa kupesana nemhando huru yemutauro wekutaura. Izvo zvine basa nekuti yakasvika padanho remunhu pazviyero zvemutauri mumwe chete pasina kuda clip yereferensi panguva yekufungidzira. StyleTTS 2 Style Diffusion inogara muodhiyo-AI workflows inoshandura kutaura, mimhanzi, uye ruzha rwekutaurirana, kuwanikwa, uye kugadzira midhiya. Kuti uvake kunzwisisa kwakadzama, bata StyleTTS 2 Style Diffusion semuenzaniso wekushandisa, kwete chinhu chimwe chete: tsanangura zvaunoda mhedzisiro, jekesa fungidziro, uye patsanura izvo zvingaitwe nehurongwa nekuvimbika kubva kune zvichiri kuda kutonga kwenyanzvi.
Mukuita, zvikwata zvakasimba zvinoshandisa StyleTTS 2 Style Diffusion inobata mhando, latency, uye mvumo sezvikamu zvakakosha zvakaenzana zvehurongwa hwekuendesa. Ivo vanonyora zvakajeka maitiro ebudiriro, bvunzo vachipokana ne data rechokwadi uye mafambiro ebasa, uye iterate zvichibva pane zvakacherechedzwa maitiro ekutadza kwete kuhwina-nguva imwe chete yebhenji. Apa ndipo apo kunzwisisa kwe theoretical kunoshanduka kuve kugona kwakasimba pane chigadzirwa, mutemo, uye mashandiro.
Inonatsiridza kusvikika kuburikidza nekunyora, kurondedzera, uye mazwi ekubatanidza. Panguva imwecheteyo, kusashandiswa kweIzwi zvisizvo uye njodzi dzekuedzesera dzinowedzera kana chibvumirano chisipo. Nzira yakatsiga ndeyekubatanidza kukurumidza kuyedza nekutonga: mhanyisa vatyairi vendege, tora humbowo, buritsa matanda esarudzo, uye urambe uchivandudza chengetedzo semaitiro emuenzaniso, zvinotarisirwa nemushandisi, uye zvinodikanwa zvekutonga.
Strategic Impact
Inonatsiridza kusvikika kuburikidza nekunyora, kurondedzera, uye mazwi ekubatanidza.
Inonatsiridza kusvikika kuburikidza nekunyora, kurondedzera, uye mazwi ekubatanidza. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Zvikwata zveMedia zvinogona kutumira odhiyo yakakwenenzverwa nekukurumidza nemabhajeti madiki.
Zvikwata zveMedia zvinogona kutumira odhiyo yakakwenenzverwa nekukurumidza nemabhajeti madiki. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Masisitimu anotarisana nevatengi anogona kugadzirisa kutaurirana kwekutaura pamwero mukuru.
Masisitimu anotarisana nevatengi anogona kugadzirisa kutaurirana kwekutaura pamwero mukuru. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Real-World Implementation
Kugadzira rondedzero yeaudiobook apo mutauri mumwechete anowanzo siyana prosody pazvitsauko pane kuridza monotone.
Kugadzira manzwi ehunhu emitambo yeindie uye animation pasina kuhaya vatambi vemazwi akawanda
Kugonesa kuwanikwa kwezvidzitiro kuverenga zvinonzwika sevanhu zvakakwana pakuteerera kwenguva refu
Kugadzira e-yekudzidza manzwi emunharaunda nekusimbisa kwechisikigo uye kufamba kubva kumagwaro akajeka
Maitiro Ekuita
StyleTTS 2 Style Diffusion mukuita
Kugadzira rondedzero yeaudiobook apo mutauri mumwechete anowanzo siyana prosody pane zvitsauko pane kuridza monotone.
Kugadzira rondedzero yeaudiobook apo mutauri mumwechete anowanzo siyana prosody pazvitsauko pane kuridza monotone Matimu anowanzo kuwana mhedzisiro iri nani kana achinge atsanangura emhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi emupendero, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
StyleTTS 2 Style Diffusion mukuita
Kugadzira manzwi ehunhu emitambo yeindie uye animation pasina kuhaya vatambi vemazwi akawanda.
Kugadzira manzwi ehunhu emitambo yeindie uye mifananidzo pasina kuhaya vatambi vemazwi akawanda Matimu anowanzo kuwana mibairo iri nani kana achinge atsanangura mabindu emhando kumberi, chengetedza nzira yekukwira kwevanhu yemakesi ekumucheto, uye kuteedzera zvese zvakawanikwa zvechigadzirwa nemitengo yekukanganisa nekufamba kwenguva.
StyleTTS 2 Style Diffusion mukuita
Kugonesa kuwanikwa kwezvidzitiro kuverenga zvinonzwika sevanhu zvakakwana pakuteerera kwenguva refu.
Kugonesa kuwanikwa kwezvidzitiro zvekuverenga izvo zvinonzwika sevanhu zvakaringana-kureba-fomu yekuteerera Matimu anowanzo kuwana mhedzisiro iri nani kana vachitsanangudza mhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi ekumucheto, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
StyleTTS 2 Style Diffusion mukuita
Kugadzira e-yekudzidza manzwi emunharaunda nekusimbisa kwechisikigo uye kufamba kubva kumagwaro akajeka.
Kugadzira e-yekudzidza manzwi emunharaunda nekusimbisa kwechisikigo uye kufamba kubva kugwaro script Matimu anowanzo kuwana mhedzisiro iri nani kana achinge atsanangudza emhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi ekumucheto, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
Njodzi & Guardrails
Kushandisa izwi zvisizvo uye njodzi dzekuedzesera dzinowedzera kana chibvumirano chisipo.
Kururama kunogona kudonha mumitauro, mataurirwo, kana nharaunda dzine ruzha.
Synthetic audio inogona kukanganisa kutaura kwechokwadi isina mavara akajeka.
Implementation Roadmap
Wana mvumo yakajeka yekutora inzwi, kugadzira, uye kushandisa zvakare.
Wana mvumo yakajeka yekutora inzwi, kugadzira, uye kushandisa zvakare. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Yedza mhando pavatauri vakasiyana uye mamiriro ekumashure.
Yedza mhando pavatauri vakasiyana uye mamiriro ekumashure. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Tsanangura apo munhu anofanira kuongorora kana kubvumidza zvabuda.
Tsanangura apo munhu anofanira kuongorora kana kubvumidza zvabuda. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Label synthetic odhiyo uye chengetedza marekodhi ekuzvidavirira.
Label synthetic odhiyo uye chengetedza marekodhi ekuzvidavirira. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.