MegaTTS3 - 字节开源高保真语音克隆、文本转语音软件 中英混搭无缝切换 本地一键整合包下载
MegaTTS3 是字节跳动于2025年3月开源的文本转语音（TTS）模型，以0.45B参数规模实现高质量中英双语合成与语音克隆。MegaTTS3 不仅能在普通的设备上流畅运行，还能生成自然、逼真的语音，支持中英混合场景和灵活的口音控制。真正实现了轻量化和高质量两者兼得的特点。
项目特点
高效轻量级 TTS：仅 0.45B（4.5 亿）参数，相比大规模 TTS 模型，更轻量、更易部署。
高质量语音克隆：可模拟目标说话人的音色、语气、节奏，生成高度拟真的合成语音。
中英文混合更自然：解决“英式腔调 vs. 美式腔调”不自然切换问题，让不同语言的切换更丝滑。
口音强度控制：允许调整口音强度，让用户根据需要选择更偏母语或更偏目标语言的发音方式。
应用场景
个性化语音生成语音助手、虚拟主播等场景中生成与特定人物音色一致的语音。
多媒体内容创作自动化生成影视配音、有声读物，降低人工录制成本。
实时交互系统结合低延迟流式处理技术，适用于在线教育、客服机器人等实时语音交互需求。
跨语言服务中英双语支持可应用于全球化产品（如跨国企业客服、多语言导航系统）
使用教程：(建议N卡，显存6G起。基于CUDA11.8)
上传参考音频和NPY文件，官方介绍，处于安全目的，目前只支持固定的示例音色生成，暂不支持上传自己的音色（可以把参考音频提交给官方，由官方审核通过，生成NPY才能使用）
最后生成。
优点实测效果非常惊艳，几乎是一比一的复刻。这也是为什么不支持自定义音色的原因吧。缺点是不支持上传自定义音色。
内置的几种音色保存在一键包目录下的assets里
下载地址：
夸克网盘：https://pan.quark.cn/s/7fb16205f1e0
百度网盘：**** 本内容需购买 ****
解压密码：https://deepface.cc/ 复制这个完整的网址即是解压密码，不要有空格，复制粘贴即可
期待！目前其他的TTS都或多或少有点问题，在中英文混杂的情况下，阿拉伯数字、特殊字符、英文简称等都转得不太好。 主界面除了让上传音频之外，还让上传一个.npy文件，这个是啥呢？
我试着不上传这个文件去生成，他就提示我说 Please provide latent_file in WaveVAE decoder-only mode。 touvidia 发表于 2025-4-1 18:35
主界面除了让上传音频之外，还让上传一个.npy文件，这个是啥呢？
我试着不上传这个文件去生成，他就提示我 ...
帖子内容你是一句不看啊 来日方长 发表于 2025-4-1 22:36
帖子内容你是一句不看啊
能不能介绍一下，这个上传给官方审核通过怎么操作？ datoudongdong 发表于 2025-4-3 08:26
能不能介绍一下，这个上传给官方审核通过怎么操作？
官方提供了一个网盘，谷歌网盘，你把音频上传到网盘，等他给你生成一个对应的npy音色文件 来日方长 发表于 2025-4-4 22:21
官方提供了一个网盘，谷歌网盘，你把音频上传到网盘，等他给你生成一个对应的npy音色文件 ...
原来如此。那这样看来这个软件用起来还不是那么便捷。而且是不是还得爬梯子？ touvidia 发表于 2025-4-8 09:44
原来如此。那这样看来这个软件用起来还不是那么便捷。而且是不是还得爬梯子？ ...
说是安全考虑，简直就是脱裤子放屁
页:
[1]