MOSS-TTSD

收录理由

多数语音合成模型只能让一个音色干净地念完一段文字，一旦内容听起来像两个人对话，效果就很容易崩掉。MOSS-TTSD 专为这类场景设计：输入一段带多个说话人的脚本，它能生成连贯且情绪一致的连续对话，并且可以长时间稳定输出。你可以自由控制谁在说话，模型支持多种语言，零样本克隆只需很短的一段参考音频就能复现某个已知音色来塑造新角色，无需针对每个说话人单独训练。如果你在做有声书、配音、体育解说或其他对话密集的内容，这个项目值得一试。模型权重和在线演示空间都已公开，动手搭建之前可以先听一听实际效果。