巨人网络联手清华大学首创DiaMoE-TTS，开源多方言语音合成大模型框架
巨人网络AI Lab与清华大学电子工程系SATLab研究团队近日联合发布一项重大突巨人破:首创多方言语音合成大模型框架DiaMoE-TTS，并宣布将数据、代码、方法全方位网络开源，旨在推动方言语音合成的公平与普惠。
在当前通用TTS（文本转语音）大模型能力惊人的时联手代，方言TTS(Dialect TTS)仍是业界难以触及的“灰色地带”。现有的工业清华级方言模型过于依赖巨量的专有数据，导致方言从业者和研究者面临缺乏统一语料构建方法和端大学到端开源框架的困境。
由双方联合首创的DiaMoE-TTS框架，为这一难题提供了一首创套开源的完整解决方案，其性能在一定程度上可媲美工业级方言TTS模型。该方案的关键Di创新在于:
统一的IPA表达体系: 基于语言学家的专业经验，构建了一个统一的国际音标（IPA）aM表达体系。
数据高效性: 该框架仅依赖开源方言ASR（自动语音识别）数据，解决了巨量专有oE数据依赖的痛点。
在推出广东话、四川话、上海话等中文方言版本之前，该研究团队已在英语、法语-T、德语、荷兰比尔茨语等多语种场景中进行过验证，证明该方法具备全球范围内的多语言可TS扩展性与稳健性。
巨人网络AI Lab与清华大学电子工程系SATLab表示，希望通过DiaM，开oE-TTS框架的开源，让任何研究者、开发者乃至语言文化保护工作者都能自由使用、改进源多与扩展这一框架，确保小众语言与方言的声音不再被通用大模型的洪流所淹没，而是能通过开源方言的力量被更广泛地听见与传承。
本文地址：http://soft.zmdinfo.ha.cn/html/503e890649.html
版权声明
本文仅代表作者观点，不代表本站立场。
本文系作者授权发表，未经许可，不得转载。