SpeechT5 正式接入 Hugging Face Transformers 支持多语音任务

Hugging Face 宣布微软亚洲研究院提出的 SpeechT5 模型正式接入 Transformers 库，支持文本转语音、语音转换和语音识别等任务。SpeechT5 基于统一的 Transformer 编解码器架构，通过共享预训练表征并配合特定任务的预处理和后处理网络实现多任务适配。官方同步在 Hugging Face Hub 提供了模型权重、HiFi-GAN 声码器支持以及调用示例代码。