模型介绍
中文整理Audio8 TTS Preview 0.1B
模型用途
零样本文本转语音模型，支持语音生成和零样本声音克隆。
主要能力
语音生成和声音克隆。主模型约 1.7 亿参数， codec 解码器约 1.2 亿参数。采用慢速和快速自回归双分支架构：慢速分支预测语义 token，快速分支基于慢速隐藏状态预测 codec codebook。
支持语言
主要语言：中文、英语
实验性支持：德语、西班牙语、法语、意大利语、日语、韩语
输入输出
输入：参考音频文件和对应的参考文本（用于克隆）
输出：生成的语音
合成模式：也可不提供参考音频进行普通语音合成
运行要求
推荐配置：Python 3.11 或更高版本，CUDA GPU
CPU 部署：ONNX INT8 版本，约 0.4 GiB 内存，无需 PyTorch 或 Transformers 依赖
基本用法
加载模型时需设置 trust_remote_code=True。进行声音克隆时，用自己的音频和文本替换参考音频和参考文本，参考文本应与参考音频的说话内容一致。
限制
中文和英语是主要目标语言，其他语言质量通常较弱且不稳定。极长、噪音过多或转录错误的参考音频会降低生成稳定性和说话人相似度。生成的语音可能被滥用于冒充或虚假信息，克隆声音需获得同意，并适当披露合成音频。部署前需评估模型的准确性、安全性和法律合规性。
许可证
Audio8 Community License v1.0
非商业用途（研究、个人、教育、评估）免费。
商业用途：年营收（含母公司、子公司和关联公司）低于 200 万美元免费。
年营收 200 万美元及以上需获得 Audio8 书面商业授权。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。