Orpheus-TTS

收录理由

Orpheus 是一个基于 Llama-3b 骨干网络构建的开源文本转语音引擎，它的语言模型根基直接体现在输出上：语音带有自然的语调和节奏，而不是老式引擎那种平淡的念白。你可以通过简单的情绪标签来引导表达的丰富度，也能用一段简短参考音频克隆声音而无需微调，流式输出的延迟大约在 200 毫秒左右，很适合实时语音助手和那些不能等整段渲染完成的交互场景。仓库里既有面向日常生产环境的微调模型，也有在超过十万小时英语语音上训练的预训练模型，同时附带了数据处理脚本和示例数据集，方便你用自己的声音做微调。多语言研究版本和 Baseten 集成（支持 fp8 与 fp16 推理）让这套方案更完整，想获得更像真人说话的语音效果，团队完全有能力自己把它跑起来。