단 3초의 오디오 샘플로 화자의 목소리를 완벽 복제하고 다국어로 자연스럽게 발화시키는 알리바바 플래그십 오픈소스.
알리바바 연구진이 공개한 오픈소스로 3초 초단기 제로샷 음성 복제, 교차 언어 합성 및 정밀 감정 제어 지원.
알리바바 연구진이 선보인 최정상급 오픈소스 음성 합성 모델입니다. 핵심 강점은 단 3초 분량의 음성만으로 사전 학습 없이 즉시 목소리를 복제하는 제로샷 역량입니다. 복제된 화자의 음색 그대로 한국어, 영어, 일본어 등을 유창하게 말하게 할 수 있으며, 세밀한 감정 표현과 말의 속도 조절까지 완벽 지원합니다.