VALL-E是微软研究院提出的神经编解码语言模型式文本转语音系统。
VALL-E把文本转语音任务建模为离散音频编码生成。能够在三秒语音提示下合成指定说话人的语音,并保持音色和情绪特征。它主要是研究演示项目,展示零样本语音合成方向的能力。

说话人音色,再合成新文本语音。
情绪保持:能在部分情况下保留说话人的语气、环境和声学特征。 其实,
研究演示:适合了解前沿语音合成技术。不属于普通在线配音 SaaS 产品。
适合研究人员和语音技术开发者了解零样本语音合成技术,、音色保持和情绪合成方向。
VALL-E官网地址:https://valle-demo.github.io