PilotTTS - 情感语音合成利器,支持方言与多情绪控制 一键整合包下载

PilotTTS 是高德(你没看错,就是高德地图)开源的一款基于大语言模型(LLM)的开源语音合成系统(Text-to-Speech,TTS)。它就像一个"聪明语音演员",能把文字变成自然、富有感情的人声。不同于很多复杂的商业TTS,PilotTTS故意采用简洁模块化设计,全部使用开源组件,通过精心设计的数据处理流程,达到了很强的效果。

主要特点

高相似度与准确性:说话人声音相似度极高(0.862),文字内容准确率也很棒。

情感与表达控制:支持11种情绪(如开心、悲伤、生气、惊讶等)和笑声、呼吸、哭声等自然发音。

方言支持:能处理14种中文方言,还支持普通话转方言。

全开源数据管道:从互联网音频中提炼高质量训练数据,成本低、效果好。

应用领域

智能语音助手

有声书/播客生成

虚拟主播、游戏角色配音

教育工具(方言教学、多语种朗读)

无障碍辅助(为视障人士朗读)

影视后期配音等

使用教程: (建议N卡,显存8G起,支持50系显卡)

包含主程序和模型文件(pretrained_models文件夹),解压主程序后,将模型移动到主程序目录下即可。

支持语音克隆和指令合成两种模式

语音克隆:上传参考音频,输入合成文本

指令合成:上传参考音频,输入合成文本(支持在合成文本中插入副语言标签),支持情感关键词,支持方言(后期版本支持)

情感关键词包括 happy(开心)sad(悲伤)angry(愤怒)surprise(惊讶)fear(恐惧) disgust(厌恶)serious(严肃)concern(关切)blue(忧郁)disdain(轻蔑)neutral(中性/平静)psychology(心理活动)unknown(不指定情感)

副语言标签包括 <|LAUGH|> 笑声 <|BREATH|> 呼吸声 <|COUGH|> 咳嗽 <|CRY|> 哭泣声 <|LAUGH_SPAN|>...<|/LAUGH_SPAN|> 包裹笑声文本

下载地址:点此下载

相关推荐
Csvn1 天前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考1 天前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
汤姆宝库1 天前
BPE分词器的完整实现:字节对合并与词表构建
开发语言·人工智能·c#
岁月宁静1 天前
从零拆解 AI 语音模拟面试系统
人工智能·python·agent
武子康1 天前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
可乐ea1 天前
MCP 和 CLI 差 42 倍:一次 GitHub 任务的上下文成本实测
人工智能·github·工具调用·ai智能体·openrouter·mcp协议·上下文优化
kyriewen1 天前
编辑弹窗点了取消,列表里的数据怎么还是变了?
前端·javascript·人工智能
泯泷1 天前
Multica 真正打动我的,不是更多 Agent,而是一种新的团队协作方式
人工智能·llm·agent
电科_银尘1 天前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习