
AI语音合成稳定性评估与特征标记工具
ChatTTS_Speaker项目基于ChatTTS开发,专注于AI合成语音的稳定性评估和特征标记。项目利用ERes2NetV2模型对2600个音色进行评分,评估包括长句、多句和单句的稳定性,以及音色的性别、年龄和特征识别。提供音色下载功能和详细的评分参数解释,为AI语音合成研究和应用提供有价值的参考数据。
项目基于 ChatTTS | 评估基于通义实验室 ERes2NetV2 说话人识别模型。
当前测评音色 2600 个
</div>| 说明 | 链接 |
|---|---|
| ModelScope(国内) | https://modelscope.cn/studios/ttwwwaa/ChatTTS_Speaker |
| HuggingFace | https://huggingface.co/spaces/taa/ChatTTS_Speaker |
这三个参数用于衡量音色在不同样本一致性,数值越高表示音色越稳定。
稳定性评估代码详见:https://github.com/2noise/ChatTTS/pull/317
spk = torch.load(PT_FILE_PATH) params_infer_code = { 'spk_emb': spk, }
问: 为什么有的音色打分高但是很难听?
答: 评分只是衡量音色的稳定性,不代表音色的好坏。可以根据自己的需求选择合适的音色。例如:如果一个沙哑且结巴的音色一直很稳定,那么它的评分就会很高但是很难听。
问: 我使用 seed_id 去生成音频,但是生成的音频不稳定?
答: seed_id 只是一个参考 ID,不同的环境下音色不一定一致。还是推荐使用 .pt 文件载入音色。
问: 音色打标准确吗?
答: 当前第一批测试的音色有 2000 条,根据声纹相似性简单打标,准确度一般(特别是特征一项),仅供参考。如果大家有更好的标注方法,欢迎 PR。
欢迎大家贡献代码和音色!如果有任何问题或建议,请提交 issue 或 pull request。


免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具


最适合小白的AI自动化工作流平台
无需编码,轻松生成可复用、可变现的AI自动化工作流

大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。


AI辅助编程,代码自动修复
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。


AI论文写作指导平台
AIWritePaper论文写作是一站式AI 论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。


AI一键生成PPT,就用博思AIPPT!
博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。


AI赋能电商视觉革命,一站式智能商拍平台
潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。


企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。


稳定高效的流量提升解决方案,助力品牌曝光
稳定高效的流量提升解决方案,助力品牌曝光


最新版Sora2模型免费使用,一键生成无水印视频
最新版Sora2模型免费使用,一键生成无水印视频
最新AI工具、AI资讯
独家AI资源、AI项目落地

微信扫一扫关注公众号