7.5M 参数 TTS 不发 flat:kale-tts-nano 长句韵律实测追平 45.7M 模型
NERDDISCO · x · 2026-11-21
- 针对「小模型长句韵律会变平」的质疑,作者实测:用 3 个含逗号、插入语、问句的长句,同一声音、各录一次、默认设置。
- 结果 nano(7.5M)f0 标准差 2.97 semitones,几乎等于自家 45.7M 的 tiny(2.93),3B 的 maya-1 为 3.33。
- 配图给出三句的逐句音高曲线对比与柱状图,三句 f0 std 分别为 nano 3.09/2.85/2.97,tiny 3.05/2.89/2.86,maya-1 3.11/3.28/3.61。
- 作者提醒:该指标只测音高移动幅度,不测移动位置是否正确,听感还需看视频演示。
「模型」频道最新
- Google 将变更隐私与训练数据控制选项 — blackice193 · 2026-11-21
- 陶哲轩官宣:AI 重度辅助攻克欧拉/NS 奇点与广义黎曼猜想 — burny_tech · 2026-11-21
- 音高全程不衰减:nano 长句首尾 f0 移动 2.83/2.87 semitones 基本一致 — NERDDISCO · 2026-11-21
- OVH 自研 Olala Mini 7A1B:RTX 5090 单卡解码 360 tok/s、支持 96K 上下文 — JiliJeanlouis · 2026-11-21
- 4090 实测 Inkling 2 Mini:引用核查 42 错仅漏 6 个,慢 2-3 倍仍胜 Qwen/Gemma — strickvl · 2026-11-21
- 6 轮评测对比:GPT-6.2-sol 判定一致率 11/23,远逊 6.1 的 21/23 — 0xkarasy · 2026-11-21