字节跳动发布统一多说话人语音生成模型SwanTale

RT @HuggingPapers：字节跳动在 Hugging Face 上发布了 SwanTale——一个统一的多说话人语音和音频生成模型，支持零样本和指令任务，可实现富有表现力的语音克隆、自然语言风格控制和声学场景合成。https://t.co/Sh3AMuHYvb