Stability AI TTS 是什么
该模型被介绍为 Stability AI 的高保真文本转语音模型,通过自然语言引导语音合成,并标注说话者身份、风格和录音条件。
你可以用它做什么
- 用自然语言引导语音合成
- 标注说话者身份、风格与录音条件
- 用 45000 小时数据集训练语音语言模型
使用示例
- 生成带有美国口音的女性声音用于播报
- 使用带有英国口音的男性声音进行录音
- 生成带有南非口音的男性声音用于播报
优点与缺点
✓ 我们认可的地方
- 资料提出提高音频保真度的简单方法
- 案例列出不同口音与说话者选择
! 需要留意的地方
- 引导依赖训练数据上的标注
- 输出依赖资料所述的数据集
常见问题
标注了哪些内容?
资料说明标注不同的说话者身份、风格和录音条件。
数据集规模是多少?
资料说明使用 45000 小时的数据集进行训练。
最后评测: 2026-11-15