报告主题：完全开源！基于流匹配扩散模型的非自回归系统，F5-TTS合成流畅自然语音

报告日期：10月29日（周二）10:30-11:30

报告要点:

F5-TTS是一款基于流匹配和Diffusion Transformer（DiT）的非自回归语音合成系统。
无需复杂设计：无需音素时长模型、音素对齐或文本编码器，直观地文本进语音出。
高效训练与推理：采用DiT作为模型结构，利用ConvNeXt优化文本表示，相比此前同类模型训练更快，稳定性更强。引入Sway Sampling推理时时间步采样策略，在保持性能的同时极大提高模型推理速度，可直接应用于现有的基于流匹配模型，无需重新训练。
多语言、多风格、多语速：在10万小时中英双语数据集上训练，具备强大的零样本生成能力，支持无缝语言切换和语速控制，生成具有丰富表现力的语音。
开源共建：我们开放所有代码和模型，期待与社区共同推动语音合成技术发展。 

报告嘉宾：

陈禹伸，上海交通大学跨媒体语言智能实验室（SJTU X-LANCE lab）硕士研究生，导师为陈谐副教授；本科毕业于上海交大巴黎卓越工程师学院。研究方向：语音合成、语音翻译。

扫码报名

更多热门报告

内容中包含的图片若涉及版权问题，请及时与我们联系删除