JaiTTS：泰语语音克隆模型

我们推出了 JaiTTS-v1.0，这是一种最先进的泰语语音克隆文本到语音模型，通过对以泰语为中心的大型语音语料库进行持续训练而构建。该模型架构改编自 VoxCPM，一种无标记器的自回归 TTS 模型。 JaiTTS-v1.0 直接处理数字和泰语-英语代码转换，这在现实设置中很常见，没有明确的文本规范化。我们测试了短期和长期语音生成的模型，这反映了许多现实世界的用例。 JaiTTS-v1.0 实现了 1.94% 的最先进 CER，在短期任务上超过了人类 真值 的 1.98%，同时在长期任务上与人类 真值 相当。在人类判断评估中，我们的模型在与商业旗舰的 400 次配对比较中赢得了 283 次，仅损失了 58 次。我们的代码和演示可在 https://github.com/JTS-AI-Team/JaiTTS 获取。