Theo tin tức từ IT House ngày 27/7, Microsoft mới đây đã ra mắt mẫu giọng nói có tên NaturalSpeech2, sử dụng thiết kế "khuếch tán tiềm năng" và có hiệu quả vượt trội ở mức độ tổng hợp giọng nói không mẫu. có thể mang đến cho người dùng trải nghiệm tổng hợp giọng nói chất lượng cao và đa dạng. Không giống như các hệ thống chuyển lời nói thành văn bản (TTS) truyền thống, NaturalSpeech2 của Microsoft sử dụng "các vectơ liên tục" thay vì "các mã thông báo rời rạc" để thể hiện lời nói, dẫn đến các đoạn lời nói hoàn chỉnh hơn không tạo ra các "bài đọc dính" "không có cảm xúc" (một bài phát biểu trong một từ)" hiện tượng. Kết quả thử nghiệm cho thấy rằng lời nói do NaturalSpeech2 tạo ra trong điều kiện không có mẫu gần như nhất quán với âm điệu của lời nhắc lời nói và lời nói thực, đồng thời độ tự nhiên (được đo bằng CMOS) trên các bộ kiểm tra LibriTTS và VCTK không thể phân biệt được với bài phát biểu thực sự.