之前试了几个 nvwa 同事 skill 效果都一般啊 不知道是不是我没用对。
我试过 StyleGAN-T 能较好保留说话风格,但训练成本高,小数据集效果不稳定。
我线上就这样搞过,用户真分辨不出和人工的区别?
nvwa 和同事 skill 具体是哪个仓库?有什么参数配置可以分享下?
蒸馏模型在模仿特定说话风格时可能丢失真实用户对话中的情感细微差别。
你可以试试微软的FastSpeech系列,效果比nvwa更自然些。