台灣華語與中英混合文字轉語音。模型版本:step_0000049。
step_0000049
目前預設採用穩定推論設定:CFG 2.0、NFE 10、目標語速 4.0 字/秒、 生成完成後校正至目標語速、單次高信心 stop、target-step hard stop、只在自然標點切開首段、每 80 字切段,且不使用 retry 或 rerank。
CFG 2.0
NFE 10
4.0 字/秒
參考音檔至少 3 秒;只使用已取得授權的聲音。參考內容不需要逐字稿。
合成語音僅供研究與評估展示;正式使用前請人工檢視。 模型 · 程式碼