Real-Time Voice Cloning 是“Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis（SV2TTS）”論文的實(shí)現(xiàn)，這是一個(gè)三階深度學(xué)習(xí)框架，允許從幾秒鐘的音頻中創(chuàng)建一個(gè)數(shù)字化的語音，并使用它來調(diào)節(jié)訓(xùn)練的“文本轉(zhuǎn)語音”模型，以推廣到新的聲音。