让我们听听演示音频吧!

Smol TTS,开源的基于 LLaMa 架构构建的TTS 模型,零样本语音克隆。

使用 WavTokenizer 进行音频标记化(每秒 75 tok),CTC 强制对齐单词到音频标记映射,使用转录、持续时间、音频标记创建结构化提示。

项目介绍:https://www.outeai.com/blog/OuteTTS-0.1-350M

Github地址:https://github.com/edwko/OuteTTS

模型下载地址:https://huggingface.co/OuteAI/OuteTTS-0.1-350M



微信扫描下方的二维码阅读本文

Smol TTS,开源的基于 LLaMa 架构构建的TTS 模型,零样本语音克隆插图

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。