微软表示，NaturalSpeech2 可以生成具有不同身份的人声语音，拥有不同的韵律和风格，还具备唱歌能力 … 实验结果表明，NaturalSpeech2 在零样本条件下生成的语音与语音提示和真实语音的韵律近乎一致，并且在 LibriTTS 和 VCTK 测试集上的自然度（以 CMOS 为度量）与真人语音难以区分。