VicroCode
让代码创造价值
VicroCode是一个轻量级代码在线发布、交易平台,开箱即用,免部署、免服务器、免备案,支持接入智能体、通用管理系统、游戏等多种项目
稍候片刻,您可先学习AI编程手册
正在加载中...

市场信息

[程序员] [开源分享] 发现一个挺有意思的 TTS 项目 VoxMel,直接在 Mel 频谱上做自回归生成

最近关注到一个挺有意思的开源 TTS 项目: VoxMel 。 GitHub: Twitter: 现在不少自回归语音生成模型会依赖学习式声学 Tokenizer,先把音频离散化再进行建模。

www.v2ex.com · 2026-11-16T18:34:34+00:00

最近关注到一个挺有意思的开源 TTS 项目: VoxMel 。 GitHub: https://github.com/VoxDance-Lab/VoxMel Twitter: /ai-market-guide/ 现在不少自回归语音生成模型会依赖学习式声学 Tokenizer,先把音频离散化再进行建模。

VoxMel 的思路有点不一样,它尝试直接在连续 Mel 频谱上做自回归生成,不依赖学习式声学 Tokenizer,同时通过小波分解来组织不同尺度的声学信息。感觉这个方向还挺值得探索的,毕竟如何在不引入离散声学 Token 的情况下实现高质量语音生成,一直是个挺有意思的问题。

项目已经开源了代码、模型和技术报告,也有音频 Demo 可以试听。分享给同样关注 TTS、语音生成方向的朋友,感兴趣的可以看看实现,也欢迎一起讨论这种建模路线的优劣。

觉得不错的话感觉可以顺手支持个 Star ⭐

返回 AI 市场导读

来源:v2ex.com