共同进步！
tts评测
支持中日英的开源TTS 评价，排名不分先后：
GPT-SoVITS (https://github.com/RVC-Boss/GPT-SoVITS)： 个人感觉最强，来自B站up花儿不哭 (https://www.bilibili.com/video/BV12g4y1m7Uw)，他团结开源社区，挑战商业公司，坚持AI开源共产主义。最新版本V3更加强大，v3支持情绪和语气，不需要微调表现也很好（微调教程 (https://www.yuque.com/baicaigongchang1145haoyuangong/ib3g1e/vafogkyrwkk8rbzb)），v3可能有轻微电音推荐搭配花佬的RVC用，v3发布于20250228 一个月前
 
cosyvoice2 (https://funaudiollm.github.io/cosyvoice2/)：阿里通义团队的作品，支持方言，情绪，非常稳定，综合能力比较强，但长文本他是分段处理，段之间会出现音色差异。最新版本2.0 发布于20250123 三月前
 
F5-TTS (https://swivid.github.io/F5-TTS_updates/)：上海交通大学、剑桥大学和吉利汽车研究院的研究团队联合开发，非常遵循参考音频的断句习惯，能模拟非常像人的卡顿感！音色上表现比较强，最受参考音频影响。最新版1.0.8发布于20250325 上周
 
Spark-TTS (https://sparkaudio.github.io/spark-tts/)：一堆大学和机构联合研发，主打自动情绪，测试发现目前短句无法控制情绪，毕竟文本太短推不出想要的情绪，长文本推理时长比短文本长很多，默认只能调声调，速度不建议改。个人感觉依赖自动情绪似乎并不靠谱，情绪需要多次抽卡才得到想要的。
最新版本20250226 两个月前
 
 
对比:
商业级闭源tts： Seed-TTS (https://bytedancespeech.github.io/seedtts_tech_report/) 来自字节跳动，也就是豆包用的模型，放出来的demo比豆包app里面的的更强，应该是参数更多的版本。对比各种综合指标的话，seed tts 应该是最强。
 
 
 
 
#ai #tts
2025-04-01
浏览76
登录后评论
评论
分享