近日，Oute AI 發布了一種新穎的文本轉語音合成方法，稱為 OuteTTS-0.1-350M。這種方法利用純語言建模，無需外部適配器或復雜架構，提供了一種簡化的 TTS 方法。OuteTTS-0.1-350M 基于 LLaMa 架構，使用 WavTokenizer 直接生成音頻標記，使得流程更加高效。

該模型具有零樣本語音克隆功能，僅需幾秒鐘的參考音頻即可復制新的聲音。OuteTTS-0.1-350M 專為設備性能而設計，并與 llama.cpp 兼容，使其成為實時應用的理想選擇。盡管該模型的參數規模相對較小（3.5億個），但其性能可與更大、更復雜的 TTS 系統相媲美。

OuteTTS-0.1-350M 的可訪問性和效率使其適用于廣泛的應用，包括個性化助理、有聲讀物和內容本地化。Oute AI 在 CC-BY 許可下發布，鼓勵進一步實驗和集成到不同的項目中，使先進的 TTS 技術民主化。

OuteTTS-0.1-350M 的發布標志著文本轉語音技術向前邁出了關鍵一步，它利用簡化的架構以最少的計算要求提供高質量的語音合成。它集成了 LLaMa 架構，使用了 WavTokenizer，并且能夠執行零樣本語音克隆而無需復雜的適配器，這使它有別于傳統的 TTS 模型。

地址：https://www.outeai.com/blog/OuteTTS-0.1-350M