亚马逊Amazon人工智能研究团队近日宣布开发出一个巨大的文本转语音模型——BASE TTS，其规模之大堪称史上之最。该模型拥有惊人的9.8亿个参数，并使用了超过10万小时的录音数据进行训练，涵盖了大量英语语音，还融入了一些其他语言的发音示例。
近年来，大型语言模型如ChatGPT备受瞩目，而亚马逊Amazon此次则将焦点转向了文本转语音领域。研究人员希望通过增加参数数量和扩充训练数据集，提升文本转语音应用的性能和自然度。他们的努力成果显著，BASE TTS不仅在参数数量上创造了新纪录，还在发音准确性和语音自然度方面取得了显著进步。
值得一提的是，亚马逊Amazon团队还探索了人工智能领域中的“涌现能力”。他们发现，在参数量达到1.5亿的中型数据集上，文本转语音应用出现了明显的智能飞跃。这种飞跃涉及多个语言属性，如使用复合名词、表达情感、使用外语词等。这一发现对于未来人工智能模型的发展具有重要意义。
然而，出于对潜在滥用风险的担忧，亚马逊Amazon决定不将BASE TTS向公众开放。相反，他们计划将其作为学习应用，并期望将学到的知识应用于改善文本转语音应用的整体音质。这一决策体现了亚马逊对于技术伦理和社会责任的重视。
总的来说，亚马逊Amazon发布的BASE TTS文本转语音模型是人工智能领域的一次重大突破。它不仅展示了人工智能技术的巨大潜力，还为我们提供了更多关于智能涌现的新见解。随着技术的不断进步，我们有理由相信，未来的文本转语音应用将会更加自然、智能和多样化。
原创文章，作者：秋秋，如若转载，请注明出处：https://www.kejixun.com/article/630828.html
