标签索引

TTS语音合成

这个标签下有 7 篇文章。按时间回看相关判断与实践记录。

标签精选

开源TTS新秀Kitten TTS发布：最小模型仅25MB，纯CPU即可运行

Kitten TTS v0.8 正式发布，推出了三款超轻量级文本转语音（TTS）模型，参数量在 15M 至 80M 之间。这些模型基于 ONNX 构建，专为边缘计算优化，最小版本体积仅 25MB，无需 GPU 即可在 CPU 上高效生成高质...

2026-03-201 分钟阅读234 阅读

随着小米v2-pro的发布，其全新的MiMo-V2-TTS语音合成模型也正式亮相。社区开发者迅速跟进，将模型接入本地环境进行实测。体验反馈显示，新模型在语气情感控制上实现重大突破，特别是“小爱”撒娇等拟人化表达效果逼真，展现出极高的个性化定...

2026-03-191 分钟阅读248 阅读

本文介绍了一种利用开源项目Remotion结合AI助手CC实现视频全自动剪辑与配音的解决方案。作者在推广其开源项目时，通过指令让AI自动完成视频剪辑，并调用edge_tts库自动生成了语音旁白。该方案展示了AI智能体在复杂工作流中的自动化能...

2026-03-081 分钟阅读104 阅读

本文基于开发者利用 astrbot 和 napcat 框架构建高拟人化 QQ Bot 的实战经历，揭示了当前大模型在情感计算与Agent应用层面的三个核心瓶颈：一是人格构建局限，现有模型仅能被动接话，缺乏结合“人生经历”主动发起话题的厚度；...

2026-03-071 分钟阅读244 阅读

针对当前 AI 生成播客对话生硬、缺乏“人味”的痛点，作者分享了其优化的全流程开发经验。不同于 NotebookLM 等工具的问答式生成，该项目通过抓取 Hacker News 数据，利用 LongCat 和 Mistral 等模型分阶段生...

2026-02-201 分钟阅读167 阅读

近日，一款名为Libsona的TTS（文本转语音）引擎在技术社区引发轰动。该引擎由开发者High_Logic发布，据称是首个完美支持R18内容及敏感情感音效合成的顶级开源项目。演示视频显示，Libsona在语音自然度、情感细腻度及“特殊”音...

2026-02-051 分钟阅读767 阅读

一位程序员父亲为解决每日哄睡痛点，利用大模型与TTS技术开发了个性化故事生成工具。文章详细阐述了从GPT生成分龄故事、音色克隆到情感韵律控制的技术难点，并坦承了高昂的API成本。作者不仅分享了产品对缩短入睡时间的实效，更深刻探讨了AI“情感...

2026-01-231 分钟阅读247 阅读