跳到正文

Stability AI text-to-speech models

以自然语言引导的高保真文本转语音

访问官网

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

更多 AI 音频工具 工具

查看全部 →

评测方法