- 文章标题：OpenVoice: Versatile Instant Voice Cloning
- 文章地址：https://arxiv.org/abs/2312.01479
- 技术报告
文章提出了OpenVoice，一个仅需声音片段就能克隆目标声音的工具，其在下面两个方面进行了增强，1）灵活的声音风格控制：在声音克隆的同时能够对目标音频的声音风格进行控制，这是靠base model的预训练实现的。2）Zero-shot的跨语言的音色克隆：对不存在于训练集中的语言，模型同样可以进行音色的克隆，这依赖于模型独特的音色提取能力。同时，OpenVoice具有计算效率高的特点，相比于商用的模型时间消耗低于十分之一