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
- 用 Astra 计算机视觉操控 Premiere Pro 剪辑，10 个实用玩法 — beechinour · 2026-10-27
- Galaxy S26 纯端侧跑 MiniMax H3：7 分钟生成 5 秒带音频视频 — BidFunny4862 · 2026-10-27
- Krea 推出 Premiere Pro 插件:剪辑时间线内直接生成视频与音效 — lmoroney · 2026-10-27
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- WanGP v18.81 支持 Hy-Nomas 世界模型，8GB 显存可用 WASD 探索 — cocktailpeanut · 2026-10-27
- 可编程视频编辑器 Butter 走红:时间线上搭积木做动效模板 — beechinour · 2026-10-27