仅需0.33秒即可创建1秒音频！Muyan-TTS 开源发布，完美匹配播客及有声读物应用场景

Muyan-TTS 是一款开源的文本转语音（TTS）模型，专为播客和有声书等长音频场景设计，具有以下特点和优势：

高效的音频生成能力

• 推理速度快：Muyan-TTS 每秒音频的生成仅需 0.33 秒推理时间，是目前所有开源 TTS 模型中最快的。

• 适合实时交互：其高效的推理速度使其能够满足播客、有声书等长音频场景对实时性的要求。

出色的音频质量

• 自然度高：经过超过 10 万小时的高质量播客音频数据预训练，Muyan-TTS 能够生成富有表现力且连贯的语音，语音质量评分（MOS）处于开源模型的一线水平。

• 支持个性化定制：通过几十分钟的单人语音数据微调，Muyan-TTS 可以生成特定说话人的语音，满足播客和有声书对特定音色的需求。

开源与二次开发友好

• 完全开源：Muyan-TTS 提供了完整的训练代码、数据处理流程和模型权重，开发者可以自由访问、修改和重新训练模型。

• 易于定制：开源的训练方法和灵活的微调能力，使得开发者能够根据实际业务场景对模型进行定制化改造。

适用场景

• 播客制作：可以为播客提供个性化的叙述声音，自动生成摘要的语音旁白，或为重复出现的片段创建一致的主持人声音。

• 有声书生成：能够将长篇文本文章或书籍转换为自然流畅的有声读物。

限制

• 仅支持英语：由于训练数据主要为英语，Muyan-TTS 当前版本仅支持英语输入。

• 不支持流式推理：依赖于解码器中的 G2P 模块，需要完整的音素序列才能进行合成。

Muyan-TTS 的开源地址为：https://github.com/MYZY-AI/Muyan-TTS。