RTX 5060 Ti 本地 TTS 做完整本有声书,Higgs Audio 成作者最爱
HoodWinked69 · reddit · 2026-09-09
作者用本地 TTS 模型制作了叔本华《The Wisdom of Life》完整有声书,并公开工作流与成品文件。
- 模型对比:实验了 VibeVoice 1.5B/7B、OmniVoice、Piper、Higgs Audio,最爱 Higgs Audio;要快则选 OmniVoice
- 工具链:大多通过 ComfyUI 的 ttsaudiosuite 自定义节点包加载,附完整工作流文件与自制 glow 节点包
- 硬件:RTX 5060 Ti 16GB + 32GB RAM,渲染约 1 分钟音频需 2-4 分钟;给出了含 SageAttention 2.2.0、async-offload 等的 ComfyUI 启动参数,并警告需按硬件自行调整
- 经验:文本按 1.5-2 万字符分块效果较好;待改进点包括自动文本预处理、清理引用编号、自动韵律标记以保持跨分块音色一致,目标是「丢一本书进去直接出有声书」
「编程与Agent」频道最新
- Yoav Goldberg 提出新 Agent 评测任务:用 GitHub API 定位真实代码制品 — yoavgo · 2026-09-09
- 「约 1 万个协作智能体」:Navier-Stokes 证明背后的智能体规模曝光 — mark_k · 2026-09-09
- 开源 Aurora 网关用 Go 重写，自称比 LiteLLM 快 55 倍并修复 OpenCode 封锁 — entitybtw · 2026-09-09
- 人类靠“昨天 Amy 开的那个 issue”交流，agent 能听懂吗？ — yoavgo · 2026-09-09
- 开源本地 prompt 优化器：GEPA 驱动 llama3.2 3B 分类准确率 39%→89% — MortisAndTen · 2026-09-09
- 开发者点赞 Amp 线程式 agent UI：比 Codex 更易追踪不杂乱 — carlosdponx · 2026-09-09