ZONOS2 人声克隆 TTS

模型、参数和来源

ZONOS2 人声克隆 TTS 使用短参考人声生成多语言语音。上传参考音频并输入文本后，可下载 44.1 kHz WAV 结果。

模型对比

论文与基准说明

参数指南

• 参考音频：上传的说话人片段，用于零样本人声克隆。
• 需要合成的文本；所选语言会控制规范化方式。
• 语言：官方文本规范化代码，例如 英语（美国）、中文（普通话）、日语 或 韩语。
• 质量：最高质量默认值会保持 accurate mode、质量条件和清洁参考处理开启。
• Seed：可选的确定性 seed，用于可复现的对比运行。