metavoice-src

收录理由

MetaVoice-1B 是一个拥有 12 亿参数的文本转语音模型，它的核心追求不是念得准，而是让英文语音真正带上情绪和语气。只需大约 30 秒的参考音频，就能零样本克隆美音或英音，适合需要固定声音形象的内容场景。若想更进一步，跨语言克隆可通过微调实现，维护者提到某些说话人用一分钟左右的训练数据就能得到可用效果。项目自带基于 Docker 的 Web 界面和 REST API 服务，动手前可在本地先跑通演示。对于语音应用、旁白或助手的开发团队而言，如果语调承载着表达意义，这个模型能让人直观感受到富有表现力的合成效果。