新開放權重語音人聲模型drama-3 35B A3B

[Misakiyu Xmilk]

https://huggingface.co/fishaudio/drama-3
這語音模型看起來是真的強 能單獨改字發音
但這東西35B.....語音模型花這麼多資源好像怪怪的
但論壇人均pro 6000這點顯存又好像還好

以下AI總結

1. 情緒表現力強
   能依照文字指令呈現悲傷、壓抑的憤怒、強顏歡笑、緊張、低語等情緒，甚至可以在同一句話中途改變情緒。適合戲劇、小說與角色配音。
2. 多角色對話生成
   單次生成就能製作多個角色的對話，每個角色有各自的聲音。官方模型卡標示最多支援 16 個說話者，適合廣播劇、動畫、遊戲與多人對話。
3. 聲音克隆（Voice Cloning）
   可利用參考音訊模仿說話者的音色，讓生成語音保有較一致的角色聲線。適合建立固定的旁白聲音或角色聲音；使用他人聲音時，應取得適當授權。
4. 局部語音編輯
   可以針對特定詞句或音訊片段修改，不必每次都重新生成整段。例如將「星期三」改成「星期四」，盡量維持前後的音色、節奏和銜接。
5. 長篇內容與角色一致性
   針對長篇旁白、有聲書和連續劇情設計，目標是讓角色聲線與表演在長內容中保持連貫，減少分段生成造成的落差。
6. 多語言支援與發音控制
   官方模型卡列出支援 83 種語言，並可使用不同語言撰寫演繹指令。官方公布的發音穩健性基準測試成績為 93.2%，測試涵蓋較難的詞彙、數字與代碼；這是特定基準的結果，不代表所有語言及文本都有相同準確率。

[Prio]

测试了，我尝试给目前已有短剧翻译配音，但是无法解决中文字少，发音少，外语必须加速，加速了很奇怪，而且很多情绪：比如 喘气、哈气、叹气、呐喊 等，无法配音的那么完美

[909]

@Prio 有啥好的模型推荐呢

[kos or]

Mac內建的TTS語音好像不怎樣, 說話太機器人了
改天想找一個說話自然點的小小模型

[tester12340]

@kos-or 是的 mac 下的自然语音，微软的自然语音，还有 cosi voice 生成的都一般。 我觉得还是去买 线上api的比较好，价格现在的性价比 比原来高很多了。