Irodori-TTS-v4-Small:用 Emoji 控制语气的日语零样本语音克隆模型日本个人开发者 Aratako 最新推出了 Irodori-TTS-v4-Small,这是一个基于修正流扩散 Transformer(RF-DiT)架构的日语文本转语音(TTS)模型。 GitHub...语音模型# Irodori-TTS-v4-Small# TTS# 日语3个月前1330
Inflect v2:权重仅 16MB 的本地高质量英文 TTS 模型在文本转语音(TTS)领域,我们通常需要在“音质”和“体积”之间做妥协。高质量的模型往往动辄几百 MB 甚至 GB,且依赖复杂的外部声码器或云端推理。 GitHub:https://github.co...语音模型# Inflect v2# TTS3个月前1020
WavTTS:首个高性能零样本原生波形 TTS,基于流匹配与 DiT 直接生成原始音频,摒弃梅尔频谱与声码器,中英双语性能比肩 SOTA上海交大、上海创新研究院与字节跳动 Seed 团队联合发布了 WavTTS,这是首个在性能上显著缩小与主流隐空间/梅尔谱模型差距的端到端零样本原始波形 TTS 框架。WavTTS 基于流匹配(Flow...语音模型# TTS# WavTTS5个月前2140
面壁智能发布 VoxCPM2:20亿参数、无离散 Tokenizer 的开源语音合成新标杆面壁智能 (ModelBest) 正式发布了 VoxCPM2,一款基于连续表征(Continuous Representation)的多语言语音合成模型。作为 VoxCPM 系列的最新迭代,VoxCP...语音模型# TTS# VoxCPM2# 面壁智能7个月前5100
OmniVoice:小米 K2-FSA 团队开源 600+ 语言零样本 TTS,一句话复刻全球声音OmniVoice 是由 小米 K2-Fsa 团队 最新推出的文本转语音(TTS)模型。它打破了传统 TTS 的语言壁垒,支持超过 600 种语言(包括大量低资源语言和方言),并凭借创新的 扩散语言模...语音模型# OmniVoice# TTS7个月前5450
LongCat-AudioDiT:美团开源的端到端语音合成模型,直接在波形潜空间生成高保真语音美团 LongCat 团队推出了 LongCat-AudioDiT,这是一种基于扩散模型的最新文本转语音(TTS)系统。该模型的核心创新在于摒弃了传统的中间声学特征(如梅尔频谱图),直接在波形潜空间...语音模型# LongCat-AudioDiT# TTS# 美团7个月前2900
Hume AI 开源 TTS 模型 TADA:文本 – 声学一对一同步,推理速度提升 5 倍且零幻觉在基于大语言模型(LLM)的文本转语音(TTS)领域,开发者长期面临一个“不可能三角”:速度、质量与可靠性难以兼得。传统的 LLM-TTS 系统往往因为文本与音频表示的不匹配,导致推理缓慢、内存消耗巨...语音模型# Hume AI# TADA# TTS8个月前3530
别再盲目搜索了!2026语音克隆指南,本地开源模型与在线平台实测盘点“有没有真正免费且好用的语音克隆工具?” 这是Reddit网友Novel_Leading_7541在技术社区每周都会看到的提问。现实情况往往令人沮丧:大多数所谓的“免费工具”要么限制重重,要么音质堪忧...AI合集# TTS# 语音克隆8个月前6140
阿里开源Marco-Voice:说话人-情感独立调控,语音克隆相似度0.8275碾压同类阿里巴巴国际数字商务团队推出的开源语音合成框架 Marco-Voice,以“说话人-情感解耦”为核心创新,整合语音克隆、情感可控合成、跨语言生成三大功能,构建了统一且高效的文本转语音系统。该框架通过批...语音模型# Marco-Voice# TTS11个月前3100
ComfyUI-VoxCPM:集成 VoxCPM 的上下文感知语音合成节点ComfyUI-VoxCPM 是一个为 ComfyUI 设计的自定义节点,集成了 VoxCPM —— 一种基于 MiniCPM-4 架构的新型无分词器(tokenizer-free)文本到语音(TTS...插件# ComfyUI-VoxCPM# TTS# VoxCPM11个月前7790
面壁智能发布VoxCPM:无需分词器的TTS,用于上下文感知的语音生成和真实感声音克隆在语音合成领域,大多数主流 TTS(Text-to-Speech)模型依赖于将语音信号离散化为“音素”或“语音标记”——这一过程虽然便于建模,但也带来了固有局限: 声音细节丢失、韵律不自然、跨说话人迁...语音模型# TTS# VoxCPM# 面壁智能1年前8100
VibeVoice-ComfyUI :将微软高质量TTS模型VibeVoice深度集成至 ComfyUIVibeVoice-ComfyUI 是一款文本转语音(TTS)插件,将微软最新的 VibeVoice 语音合成模型深度集成至 ComfyUI 工作流中。 它不仅支持自然流畅的单人语音生成,更实现了 多...插件# TTS# VibeVoice# 微软1年前8760