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
- Chelsea Finn：机器人 RL 的瓶颈是物理 rollout 成本 — ycombinator · 2026-07-27
- 机器人走到冰箱前拿出一瓶啤酒 — Darpinian · 2026-07-27
- 研究者用针织结构复现数字电路 — mtizard · 2026-07-27
- 本地 Qwen 模型驱动机械臂测试 78 款手机续航 — gappyvalley · 2026-07-27
- TechCrunch 讨论脑波信号或成 physical AI 训练新钥匙 — TechCrunch AI · 2026-07-27
- YC 讨论具身机器人：预训练、记忆和组合行为才是关键 — ycombinator · 2026-07-27