Seed-TTS 是由字節(jié)跳動開發(fā)的一系列高質(zhì)量文本到語音（TTS）模型，旨在生成接近人類語音的高質(zhì)量語音。該模型在多個方面表現(xiàn)出色，包括自然度、可控性和多樣性。Seed-TTS 支持多種語音屬性的控制，如情感、語調(diào)、說話風格等，適用于多種應用場景，如有聲讀物、虛擬助手、視頻配音等。

• Seed-TTS官網(wǎng)入口網(wǎng)址：https://bytedancespeech.github.io/seedtts_tech_report/
• Seed-TTS項目地址：https://github.com/BytedanceSpeech/seed-tts-eval

Seed-TTS 采用大規(guī)模自回歸模型，能夠生成與人類語音幾乎無法區(qū)分的語音。該模型具備上下文學習能力，能夠根據(jù)文本內(nèi)容生成與上下文風格和語義相匹配的語音，保持語音的連貫性和一致性。此外，Seed-TTS 還支持零樣本學習、情感控制、語音編輯等功能，適用于多種復雜任務，如語音轉換、說話風格轉換等。

Seed-TTS 的技術架構包括語音編碼器、文本編碼器、解碼器和聲碼器，能夠生成高保真、自然流暢的語音。該模型還支持非自回歸變體，進一步提高了模型的性能和靈活性。Seed-TTS 的非自回歸變體（Seed-TTSDiT）采用擴散模型架構，無需預估音素持續(xù)時間，實現(xiàn)端到端語音生成，具有出色的性能和編輯能力。

Seed-TTS 在多個任務中表現(xiàn)出色，包括語音上下文學習、說話人微調(diào)、可控 TTS、語音轉換、音色生成和說話風格轉換等。該模型在自然度、穩(wěn)定性和可控性方面均表現(xiàn)出色，能夠生成接近真實人類語音的語音。

Seed-TTS 是字節(jié)跳動在語音合成領域的重要成果，為語音合成技術的發(fā)展提供了新的可能性。