语音合成

MiMo-Audio：小米公司开源的多功能AI音频处理模型

MiMo-Audio是小米公司开发并开源的音频语言模型项目，旨在通过大规模预训练和创新的模型架构，实现音频领域的少样本学习能力。该项目依托超过1亿小时的多语言、多场景音频数...

VoxCPM：开源无分词器文本转语音系统，端到端实现高逼真语音合成

VoxCPM是一款创新型无分词器文本转语音（TTS）系统。该系统采用端到端的扩散自回归架构，能够直接从文本生成连续的语音表示，彻底摆脱了传统TTS系统中离散分词的限制，重新...