音频 · 声音克隆

零样本克隆音色

核心模型参数约 0.5B

模型文件 1.85 GB

5 秒录音即可复刻声音，无需训练，还能跨语言、说方言、带情感

前往 GitHub 获取 Demo即将上线从 Hugging Face 获取模型即将上线

板端实录

板端 Web Demo 的屏幕录制，录制设备：Qualcomm QCS8550。

用 3～5 秒录音和它的文字生成一个新音色，在板子上完成，不需要训练。

中、英、日、韩、德、法、西、意、俄，任何音色都能说任何一种语言。

开心、悲伤、生气，快一点、慢一点，四川话、粤语，用一句指令控制。

在文本里加入笑声、呼吸、重读等标签，表达更自然。

边生成边播放，长文本自动分段，连成一条完整的音频。

克隆在 CPU 上完成，合成在 NPU 上运行，无需云端、无需 GPU。

从输入到输出，每一步跑在哪里。

Qualcomm QCS8550已支持

Qualcomm QCS8625即将支持

Qualcomm Dragonwing IQ8即将支持

Qualcomm Dragonwing IQ9即将支持

Qualcomm Dragonwing IQ10即将支持