搜索
Kyutai发布Pocket TTS：轻量级高保真语音合成模型
4 天前
AI初创公司Kyutai推出Pocket TTS模型，仅1亿参数，支持语音克隆。用户提供5秒音频样本，即可复现目标声音的音色、情感等。该模型可在普通笔记本CPU上实时运行，采用连续隐变量架构，结合Lagrangian自蒸馏等技术，在Word Error Rate和音频质量上优于多个大参数竞品，且是唯一能在CPU上实现超实时生成的高质量TTS系统。Pocket TTS已开源，采用MIT许可证，训练数据全部来自公开英文语料，总计88000小时。
