實驗結果表明，當數據量在10秒到5分鐘之間時，MegaTTS不僅可以在任意來源的新用戶的短提示下合成保同語音，而且始終優(yōu)于基于Fine-tuning的基線方法（Portaspeech 2）。
此外得益于音色和韻律獨立建模的方式，火山語音的韻律語言模型可以以細粒度和可控的方式將各種說話風格轉移到目標音色，甚至可以模仿Rap。未來這些功能也會陸續(xù)上線，為更多用戶提供創(chuàng)作空間。
一直以來，火山語音團隊不斷將打磨多年的語音技術能力面向市場并通過火山引擎開放給外部企業(yè)，已覆蓋汽車、金融、有聲閱讀、視頻配音等眾多應用場景，技術能力已成功應用到抖音、剪映、番茄小說等多款國民級產品上，并助力多家行業(yè)頭部企業(yè)實現AI語音能力的應用與拓展。未來火山語音還將不斷探索前沿科技與業(yè)務場景的高效結合，持續(xù)為用戶體驗和業(yè)務增長注入創(chuàng)新勢能，以實現更大價值。
