WavTTS

WavTTS 是一个面向高质量零样本语音合成（TTS）的端到端模型，直接在原始波形空间建模，无需依赖梅尔频谱图等中间声学表示。其核心技术基于流匹配（flow matching）与DiT架构，融合波形分块（waveform patchification）、多尺度梅尔监督及优化噪声调度，在保持零样本泛化能力的同时提升语音自然度与保真度。适用于需快速适配新说话人或低资源语言的TTS场景，如个性化语音助手、无障碍交互系统及多语种内容生成。