Seed-TTS

Seed-TTS 是 ByteDance 开发的一系列文本转语音（TTS）模型，可以生成听起来非常像人类的语音。它的特点和主要内容如下：

1. 高质量语音生成：Seed-TTS 能够生成非常自然、与人类语音几乎无法区分的语音。
2. 多语言支持：这个模型可以处理多种语言，即使没有特定的训练数据，也能生成高质量的语音。
3. 个性化语音：通过微调，Seed-TTS 可以适应不同的说话人，生成更符合个人特征的语音。
4. 语音控制：模型可以控制语音的情感和其他属性，让语音更加多样化和表达丰富。
5. 非自回归变体：Seed-TTS 还有一种新的变体，叫做 Seed-TTSDiT，采用全新的架构，不需要预先估计音素持续时间，可以直接生成语音，效果和传统方法一样好。

项目及演示：https://bytedancespeech.github.io/seedtts_tech_report/

论文：https://arxiv.org/pdf/2406.02430

GitHub：https://github.com/BytedanceSpeech/seed-tts-eval/