品玩6月7日讯，据 arxiv 显示，浙江大学研究团队近日联手字节跳动，推出了全新 Zero-shot语音合成系统Mega-TTS。

据悉，当前的语音合成系统通常是通过自回归语言模型或扩散模型来生成语音，这会忽略语音的本质，导致输出结果可能出现劣质或不可控的情况。而该研究团队认为，可以将语音分解为内容、音色、韵律等不同的属性，并针对每个属性进行建模，为此他们设计出了全新的Zero-shot语音合成系统Mega-TTS。

Mega-TTS 使用大规模的野生数据进行训练，并以不同的方式来对不同的属性进行建模。实验结果表明，Mega-TTS 在语音编辑、语音生成和跨语音语音生成方面均有不错的表现，同时生成的语音在自然和稳定方面有着较为出色的表现。