跳到正文

Llasa-3B

基于 LLaMA 的中英文文本转语音模型

访问官网

Llasa-3B 是什么

Llasa-3B 被介绍为一个基于 LLaMA 架构开发的文本到语音模型,专注于中英文语音合成。它结合 XCodec2 的语音编码技术,把文本高效地转换为自然流畅的语音。

你可以用它做什么

  • 高效完成中英文文本到语音的转换
  • 利用给定的语音提示生成更自然的语音
  • 通过自定义训练适应不同语音风格需求
  • 自由探索并扩展这个开源模型

应用场景

  • 为有声读物平台生成中英文语音内容
  • 开发提供自然流畅交互的多语言语音助手
  • 为在线教育平台生成课程语音讲解

上手流程

  • 安装 XCodec2 和相关依赖库
  • 使用 Hugging Face 提供的 AutoTokenizer 与 AutoModelForCausalLM
  • 准备输入文本并格式化为模型可接受的形式
  • 调用模型生成语音编码,再解码为语音波形

优点与缺点

✓ 我们认可的地方

  • 基于 LLaMA 架构,具备语言理解能力
  • 开源性质便于开发者自由探索和扩展

! 需要留意的地方

  • 语音合成集中在中文与英文
  • 生成过程经由语音编码再解码为波形

常见问题

支持哪些语言的合成?

资料列出中文和英文语音合成。

模型是开放的吗?

资料说明其开源性质让开发者可以自由探索和扩展功能。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法