600 MB 显存给 Kokoro 加上声音克隆:audio.cpp 新配方实测
Acceptable-Cycle4645 · reddit · 2026-10-30
作者受 OpenVoice 架构启发(TTS + 声音转换,其 ToneColorConverter 可独立于 TTS 运行),将其与 Kokoro 配对,在 audio.cpp v0.9.2 的 recipes 机制中加入 any-tts 配方,无需重训即让现有 TTS 获得声音克隆能力。代价:
- 峰值显存仅增约 600 MB
- CUDA 上慢约 10%
- CPU 上约 0.5 倍速,但仍达 2 倍实时
TTS 模型负责内容、发音与韵律,VC 模型迁移目标说话人音色;内置音色选择也会影响最终质量。该方法理论上适用于任何小型 TTS 模型。
「多模态」频道最新
- Runway 发布 App Studio：无代码把工作流变成创意应用 — runwayml · 2026-10-30
- Ideogram 推出上下文窗口编辑，高分辨率图局部修改不伤周边 — CSProfKGD · 2026-10-30
- 全 AI 制作：Dreamcast 新游戏《Canyon Overdrive》预告片曝光 — AIandDesign · 2026-10-30
- 10 万小时真实对话数据集 Joy 发布：教语音模型学会人类何时插话 — Scobleizer · 2026-10-30
- 一条命令起服务：用 transformers serve 跑 NVIDIA Nemotron 3.5 转写模型 — yb2698 · 2026-10-30
- Pika 新模型 H3 Flex 实测：15 秒 768p 视频最快 7 秒生成 — HeyToha · 2026-10-30