parler-tts

Parler-TTS 是一个轻量级的文本转语音（TTS）模型，能够生成高质量、自然的声音，并模仿特定说话人的风格（如性别、音调、说话方式等）。该项目的核心功能包括完全开源的训练代码和数据集，支持用户自定义开发强大的TTS模型。技术特点上，它兼容SDPA和Flash Attention 2，优化了生成速度，并且提供了不同规模的预训练模型（880M参数的小型模型和2.3B参数的大型模型），这些模型基于45,000小时的有声书数据训练而成。Parler-TTS适用于需要高质量语音合成的应用场景，例如虚拟助手、有声读物制作或任何需要自然语音输出的项目。