ZONOS2 聲音複製 TTS

模型、參數和來源

ZONOS2 人聲克隆 TTS 使用短參考人聲生成多語言語音。上傳參考音訊並輸入文字後，可下載 44.1 kHz WAV 結果。

模型對比

論文與基準說明

參數指南

• 參考音訊：上傳的說話人片段，用於零樣本人聲克隆。
• 需要合成的文字；所選語言會控制正規化方式。
• 語言：官方文字正規化代碼，例如 英語（美國）、中文（普通話）、日語 或 韓語。
• 品質：最高品質預設值會保持 accurate mode、品質條件和清潔參考處理開啟。
• Seed：可選的確定性 seed，用於可重現的比較執行。