概述
VALL-E 將文字轉語音重新定義為音訊編解碼器令牌上的語言建模問題，從而可以從僅三秒的樣本中克隆語音。它表明，為文字 LLM 提供支援的相同下一個標記預測可以產生非常自然、富有表現力的語音。
VALL-E 和編解碼器語言模型位於音訊 AI 工作流程中，可轉換語音、音樂和聲音以實現通訊、可存取性和媒體製作。
深入探討
VALL-E 由 Microsoft 於 2023 年初宣布，將語音合成視為語言建模。它不是預測頻譜圖，而是預測神經編解碼器 (EnCodec) 的離散聲學標記，因此生成變成了音訊詞彙表上的下一個標記預測。給定一個看不見的說話者加上目標文字的 3 秒錄音，VALL-E 會繼續該說話者的聲音，保留音色甚至聲學環境。它接受了大約 60,000 小時的語音訓練，遠遠超過典型的 TTS 資料集，這使其具有強大的零樣本克隆能力。由於編解碼器標記是分層的（透過 RVQ），VALL-E 使用兩個階段：自迴歸模型預測第一個以提示為條件的粗略標記流，非自迴歸模型填充剩餘的詳細標記。這個編解碼器-LM 配方啟發了 VALL-E 2 等後繼者和許多語音基礎模型。
技術洞察
訣竅是分層編解碼器令牌的混合解碼。自迴歸階段一次預測最重要的第一個密碼本標記，捕捉韻律和內容。其餘的碼本添加了精細的聲學細節，由以第一個串流和揚聲器提示為條件的非自回歸模型並行預測。這種分割保持了高品質，同時避免了順序產生每個令牌的成本，並且使用編解碼器意味著可以使用相同的變壓器機制對語音和文字進行建模。
掌握 VALL-E 和編解碼器語言模型
VALL-E 將文字轉語音重新定義為音訊編解碼器令牌上的語言建模問題，從而可以從僅三秒的樣本中克隆語音。它表明，為文字 LLM 提供支援的相同下一個標記預測可以產生非常自然、富有表現力的語音。 VALL-E 和編解碼器語言模型位於音訊 AI 工作流程中，可轉換語音、音樂和聲音以實現通訊、可存取性和媒體製作。為了建立深入的理解，請將 VALL-E 和編解碼器語言模型視為一種操作模型，而不是單一功能：定義所需的結果，澄清假設，並將系統可以可靠地執行的操作與仍需要專家判斷的操作分開。
在實踐中，使用 VALL-E 和編解碼器語言模型的強大團隊將品質、延遲和同意視為部署策略中同等重要的部分。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
它透過轉錄、旁白和語音介面提高了可訪問性。同時，如果未徵得同意，語音濫用和冒充風險就會增加。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
它透過轉錄、旁白和語音介面提高了可訪問性。
它透過轉錄、旁白和語音介面提高了可訪問性。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
媒體團隊可以用更少的預算更快地交付精美的音訊。
媒體團隊可以用更少的預算更快地交付精美的音訊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
面向客戶的系統可以處理更大規模的語音互動。
面向客戶的系統可以處理更大規模的語音互動。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
從幾秒鐘的音訊中克隆聲音，以用於個性化助理或恢復丟失聲音的輔助工具
將影片在地化並配音成其他語言，同時保留原始說話者的音色
產生富有表現力、與脈絡相符的旁白，保留錄音的聲學環境
作為多模式助理的語音骨幹，可以理解並產生語音
實施模式
VALL-E 和編解碼器語言模型的實踐
從幾秒鐘的音訊中複製聲音，以用於個性化助手或可恢復丟失聲音的輔助工具。
從幾秒鐘的音訊中克隆語音，用於個性化助理或恢復丟失語音的輔助工具當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並跟踪一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
VALL-E 和編解碼器語言模型的實踐
將影片本地化並配音成其他語言，同時保留原始演講者的音色。
將視訊本地化並配音為其他語言，同時保留原始演講者的音色。當團隊預先定義品質閾值、針對邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
VALL-E 和編解碼器語言模型的實踐
產生富有表現力、與脈絡相符的旁白，保留錄音的聲學環境。
產生富有表現力、與上下文匹配的旁白，以保留錄音的聲學環境 當團隊預先定義質量閾值、為邊緣情況保留人工升級路徑並跟踪一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
VALL-E 和編解碼器語言模型的實踐
作為多模式助理的語音骨幹，可以理解並產生語音。
作為多模式助理中的語音骨幹，既能理解又能產生語音。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
如果未徵得同意，語音濫用和冒充風險就會增加。
由於口音、方言或嘈雜的環境，準確性可能會下降。
如果沒有明確的標籤，合成音訊可能會被誤認為是真實的語音。
實施路線圖
獲得語音捕獲、克隆和重用的明確同意。
獲得語音捕獲、克隆和重用的明確同意。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
測試不同揚聲器和背景條件下的品質。
測試不同揚聲器和背景條件下的品質。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
定義人員必須審查或批准輸出的時間。
定義人員必須審查或批准輸出的時間。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
標記合成音訊並保留來源記錄以供問責。
標記合成音訊並保留來源記錄以供問責。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。