VALL-E VALL-E 是微软研究院推出的神经编解码语言模型项目,将文本转语音视为条件语言建模任务,可基于离散音频编码生成语音。其特点是具备上下文学习能力,能够使用未见说话人的短音频提示合成个性化语音。扩展版本 VALL-E X 支持多语言语音生成,可在目标语言中保留说话人的声音特征、情感和声学环境,适合关注语音合成、AI 配音和多语言 TTS 技术的用户了解。 AI配音 # AI配音 # TTS