metavoice-src

MetaVoice-1B是一个用于生成类似人类、富有表现力的文本转语音（TTS）的基础模型。该项目基于PyTorch框架开发，拥有1.2亿参数量，并通过10万小时的语音数据训练而成，专注于英语中的情感语音节奏和音调表达，支持零样本克隆美国与英式口音（仅需30秒参考音频），同时具备跨语言声音克隆能力，甚至使用最少1分钟的数据即可对印度语种进行微调优化。此外，它能够处理任意长度的文字合成任务。适用于需要高质量语音合成的应用场景，如虚拟助手、有声读物制作或游戏配音等。项目遵循Apache 2.0许可证发布，用户可以自由地使用该技术而无任何限制。