Reddit 用户称 LTX 2.3 音频比 TTS 更会做呼吸、笑声和语调变化
cptrios · reddit · 2026-07-23
这位 Reddit 用户说，传统 TTS 和声音克隆流程在真实感细节上仍然不够好，比如呼吸、叹息、复杂的语调转折、笑声、呻吟等。
他表示自己试过后发现，LTX 2.3 的音频引擎在生成这些声音上明显更强，配合 ID-LoRa 工作流，已经能在参考音色里做出比较像样的笑声等效果。
他现在想找的是：有没有人做出过一种 LTX / ID-LoRa 的 speech-to-speech 工作流，可以把自定义录音转换成另一种参考音色，同时尽量保留这些逼真的音频表现。
「多模态」频道最新
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- AI 电影节 Lumara 将登陆纽约,顶级 AI 电影人齐聚评审 — 0xAllen_ · 2026-09-11
- 翼龙侦探:全程 AI 生成的概念片先导预告亮相 — PterodactylDetective · 2026-09-11
- Imperium 游戏预告片曝光,AI 视频生成再秀肌肉 — keaslenyt · 2026-09-11
- FLUX.2 Klein 换表情易丢脸，实测不如免费版 Gemini 保真 — wacomlover · 2026-09-11
- 腾讯 AuK 语音模型开源代码与权重上线 GitHub,附 ComfyUI 支持 — aigclink · 2026-09-11