qcoding

논문 Neural Codec Language Models are Zero-Shot Text to Speech Synthesizers 저자 Chengyi Wang et al. (Microsoft Research) 학회/연도 arXiv 2023 arXiv 2301.02111 데모 VALL-E Demo Page📄 한 문단 요약VALL-E는 TTS를 "언어 모델링 문제"로 재정의한 논문이다. EnCodec으로 오디오를 이산 코덱 토큰으로 변환한 뒤, 텍스트와 3초짜리 화자 음성 프롬프트를 조건으로 오디오 토큰 시퀀스를 자동회귀적으로 생성한다. 60,000시간 LibriLight 데이터로 사전학습해, 학습에서 한 번도 보지 못한 화자의 목소리를 3초 프롬프트만으로 재현하는 zero-shot TTS를 달..