MOSS-TTSD
需求人群
该产品适合语音合成、播客制作和对话 AI 应用的开发者,特别是需要高质量语音生成的内容创作者和研究者。MOSS-TTSD 提供了一个灵活且功能强大的平台,使得用户能够生成自然流畅的对话音频,满足商业和教育需求。使用场景
通过 MOSS-TTSD 生成的播客音频,提升内容的可听性。用于在线教育平台的交互式语音回答系统。在娱乐应用中,为角色对话添加真实的声音表现。产品特色
支持中英文的对话语音生成。实现零 - shot 两人语音克隆,准确切换发言者。长时间的语音生成,适合 AI 播客制作。高表达力的对话语音,接近人类自然对话的音色。提供本地和 API 两种推理方式,便于用户使用。支持批处理工具,能同时处理多个生成请求。包括播客生成工具,能将长文本或网页内容转为音频。提供简单的微调脚本,便于用户自定义模型。使用教程
- 1安装所需的依赖库并设置 Python 环境。
- 2下载并准备 XY Tokenizer 模型权重。
- 3准备 JSONL 格式的输入文件,包含对话脚本和发言者音频参考。
- 4运行推理脚本,指定输入文件路径和输出目录。
- 5查看生成的音频文件,进行后续处理或发布。
团队介绍
了解 MOSS-TTSD 背后的团队成员，包括创始人、开发人员、设计师和产品人员。
该产品暂无团队信息。