开源语音化模型 TontaubeV1:2 万字符文本 2 秒转口语
EAVDR · reddit · 2026-11-20
Tontaube 团队继开源 TTS 模型后,再以 Apache 2.0 协议发布 verbalization 模型 TontaubeV1-Verbalizer,解决小模型 TTS 读不好「$5」「Dr.」「9:05 a.m.」等书面符号的问题。
- 基于 Qwen3 1.7B 微调,配合自定义 tokenization,在 RTX 3090 上 2 万字符文档不到 2 秒转换完,单句最快几毫秒
- 具备上下文理解:同一个「Dr.」可读成 Doctor 或 Drive,「IV」在章节号读 Four、在输液场景保留 IV
- 可处理链接、代码、表格与残留 Markdown;只需 NVIDIA GPU 约 2.5 GiB 显存,可独立于任何 TTS 系统运行
- 目前仅支持英语,CPU 快速版在开发中
模型与代码均已开源(Hugging Face / GitHub)。
「编程与Agent」频道最新
- 设计开发工具 Onlook 新版开源:本地优先桌面端+无限画布 — ycombinator · 2026-11-20
- Kylon 发布 AI 财务智能体:四个月自动支付 23.3 万美元账单 — ying11231 · 2026-11-20
- 晒出全自动 GTA6 内容流水线:Claude 写剪辑方案,Codex 执行切割 — eptwts · 2026-11-20
- TestSprite 4.0 发布:给 AI 写的代码配一道独立测试防线 — Tegadesigns · 2026-11-20
- 开发者用 Gemini 与 Opus 5.5 双模型开发视频高光剪辑功能 — vista8 · 2026-11-20
- VP 视角批编码模型:像下属汇报只倒流水账没有结论 — robleclerc · 2026-11-20