viitor-voice-nar

ViiTorVoice-NAR 是一个基于非自回归（Non-Autoregressive）架构的语音合成系统，专注于语音克隆与局部语音编辑。其核心功能包括：通过参考音频实现零样本或少样本语音克隆；在保持原始语音上下文不变的前提下，仅重生成文本修改对应区域的局部语音；支持通过文本注入情感与副语言标签，并结合CFG进行可控增强；端到端首帧延迟约60ms，适用于实时交互场景。项目采用gRPC v2微服务架构与HTTP网关，适配本地部署与低延迟语音内容生产需求，如AI配音、音视频后期编辑、智能客服语音定制等。