向阳乔木2025-04-03 14:48:44阿里开源的Cosyvoice2 TTS质量真不错。 Mac M3 24G本地就能运行，0.5b版本就够用，也比较快。 外语支持英文、日文、韩文。 汉语支持普通话、四川话、南京话、天津话等各地方言。 还能通过提示词指定语气、情绪。还能通过特殊标记添加笑声等精细化控制。 本地运行，没审查，什么内容都能合成！#阿里开源#Cosyvoice2#TTS
小互2025-03-01 17:39:18兄弟们，这个全新的语音模型很厉害 已经无法分辨了 Sesame： “跨越语音“恐怖谷” ，像真人说话一样的语音模型 当人工合成的语音接近真实人声但仍然存在微小差异时，人类会感到奇怪或不适，这就是所谓的“恐怖谷效应”。 Sesame 公司展示了其最新的语音合成模型CSM， 它在个性、记忆、表达能力和恰当性上表现出了非常惊人的能力。#语音模型#恐怖谷效应#语音合成
向阳乔木2025-02-28 01:51:06PM学编程第7天：用扣子做个听故事学英语学习小工具 看到小互提到扣子刚上线了Deepseek-V3 和R1，还有豆包的 function calling版。 好奇推理模型加持，应用搭建速度是否会提升。 发现扣子还挺好玩的，当然，过程也遇到不少坑。 1. 语音合成插件太多，推荐“英语文本转语音”插件。 2. 为用户体验，设计“故事播放”卡片，绑定了工作流。（图片和音频地址URL别用测试生成#编程学习#英语学习#人工智能
小互2025-01-25 17:01:58我去 这个语音克隆模型有点牛P 哈哈哈 使用了 250,000 小时的中英双语语音数据训练 只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。 基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。#语音克隆#Llasa-3B#情感特征
karminski-牙医2025-01-14 01:30:01kotoro-TTS 荣登 TTS Arena 排行榜第一名，录了个视频大家可以看下它中文的语音合成效果。 值得一提的是，这个模型只有 82M，树莓派都能跑。而且是 MIT 协议的。 排行榜地址： 在线测试地址： #kotoro-TTS#语音合成#中文
