TTS

找到 6 篇关于此标签的文章

开源 TTS 跑分胜 ElevenLabs，24GB 显卡成最大拦路虎

本周开源 TTS（文字转语音）模型 TontaubeV1 在 400 段有声书盲测中以 50.1% 胜率击败 ElevenLabs Flash v2.5。值得关心的是：开源又一次凿开商业语音 AI 的护城河，但 24GB 显存门槛意味着短期内仍是开发者玩具。

audio.cpp 0.7 把本地能跑的音频 AI 模型扩到 62 个家族、85 个变体,并上线 Arena 对比界面。这说明开源语音 AI 在快速成熟,但模型越多,挑选越难 —— 选型工具本身就是这个阶段的标志。

一个开源团队用消费级显卡上的 TTS 模型，在第三方测评中延迟跑赢 24 个付费 API。这是声音领域的'Llama 时刻'，意味着语音合成成本可能再次断崖式下降，所有用 AI 配音、做有声内容的公司都该重新算账。

Reddit 上一位养鸡用户想给自家母鸡做 AI 配音，结果发现 ElevenLabs、OpenAI Voice Engine 等所有主流声音克隆工具都默认只接受人声输入。小个案，折射出语音 AI 在「非人声」场景的系统性空白。

面壁智能发布开源TTS模型VoxCPM2，支持30种语言及声音克隆。它用连续表征技术保留了声音情绪细节，我们判断高质量语音合成门槛正大幅降低，中小企迎来可商用平替。

OpenBMB发布VoxCPM2，支持30语言、无需参考音频即可生成声音，配音公司、电话营销和有声内容行业面临低成本替代压力，老板必须决定：继续用人，还是现在切换？