引言 这两个星期，在 大白菜 大佬和 Kid 大佬的提点下，完成了 Audio8 和 MOSS-TTS-Nano 两个轻量级 TTS 引擎的集成工作，也让一直定位于轻量级语音合成的 OddTTS 的引擎矩阵越来越丰富。与此同时刚才这两个引擎都支持音色克隆（zero-shot voice cloning），昨天晚上想起来这摊子事后，就决定把 OddTTS 的音色克隆功能给搞一下，并将这个能力给暴露出来。 今天搞了一天，还算是比较顺利的把音色克隆功能完整实现了，并作为 v2.0 的核心特性发布。 现在，你只需要上传一段 3-10 秒的参考音频，就能在 OddTTS 中注册一个自定义音色，像内置音色一样随时调用——无论是通过 Web 界面还是 OpenAI 兼容 API。 在这个周末，俺终于可以说 OddTTS 完成了从 v1.x 到 v2.0 的跨越。音色克隆功能首批支持 MOSS-TTS-Nano、Audio8 0.1B ONNX INT8、Audio8 0.6B ONNX INT4 三个引擎。后面如果有更多轻量级的 TTS 引擎和模型，我也会持续的将一些适合的引擎一个个的加进 OddTTSk 中，以支持更多引擎。 […]
声音克隆
1 post