趣丸科技與香港中文大學（深圳）聯(lián)手打造的語音大模型MaskGCT，近日宣布在Amphion系統(tǒng)中開源，供全球用戶使用。該模型憑借其獨特的技術，在聲音克隆、跨語種合成及語音控制等領域展現(xiàn)出顯著優(yōu)勢。

MaskGCT采用掩碼生成模型與語音表征解耦編碼技術，實現(xiàn)了秒級超逼真的聲音克隆，僅需3秒音頻樣本即可復刻各種音色，包括人類、動漫等，同時完整保留語調、風格和情感。該模型還支持更精細可控的語音生成，可靈活調整語音的長度、語速和情緒。

MaskGCT的訓練基于香港中文大學（深圳）與趣丸科技等機構聯(lián)合推出的10萬小時數(shù)據(jù)集Emilia，這是全球最大且最為多樣的高質量多語種語音數(shù)據(jù)集之一，涵蓋了中英日韓法德6種語言。

在官方實驗中，MaskGCT在語音質量、相似度和可理解性方面均表現(xiàn)出色，優(yōu)于當前大部分TTS模型。其兩階段模型設計，使得在推理過程中，模型能以并行方式生成指定長度的標記，大幅提高效率。

目前，MaskGCT已在多個領域展現(xiàn)出廣泛應用前景，如短劇出海、數(shù)字人、智能助手等。趣丸科技基于MaskGCT開發(fā)了多語種速譯智能視聽平臺“趣丸千音”，旨在降低翻譯成本，縮短制作周期，助力國產內容出海。

《2024年短劇出海白皮書》顯示，海外市場規(guī)模遠超國內市場，短劇出海正成為新藍海。趣丸千音有望幫助國產短劇以更低成本、更快捷的方式走向世界，提升中國文化內容的出海效率。