新开源 TTS：Scylla's Band
clockentyne · reddit · 2026-07-20
一个名为 Scylla's Band 的新 TTS 模型与推理框架开源了，附带 Android 示例应用。
作者给出的要点包括：
- 支持 10 种声音、7 档情绪/情感参数、3 种语言（英语、西语、意语）。
- 在 Samsung Fold 7 上首段音频延迟约 500–800ms，之后可连续流式输出。
- 代码与推理栈覆盖 Linux、macOS、Android，并测试了 M 系列 Mac 和 Android 设备。
- 他们没有用 eSpeak，而是自建数据集并训练了 G2P 模型，还自己做了 C++ 文本规范化和 ONNX/LiteRT 推理优化。
作者还提到未来想扩展更多语言、增强情感控制、补 iOS 示例，但暂时不承诺。
「具身」频道最新
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- 波兰开发者做 iPhone 应用 可探测附近的 Meta 智能眼镜 — Low-Honeydew6483 · 2026-09-11
- 蚂蚁阿福用户达 1.5 亿，外滩大会展示 AI+硬件健康管理联盟 — APPSO · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11
- SyncWorld:少量视觉校准即可零样本模拟机器人跨视角交互 — ChongZzZhang · 2026-09-11
- 狗类 3D 姿态数据集发布，动物动捕研究可用 — ducha_aiki · 2026-09-11