Scylla's Band v4 发布多语言歌唱 TTS
AI 总结
Scylla's Band 开发者以 Apache 2.0 许可证发布 v4,提供 PyTorch 权重、源码,以及 LiteRT、Core ML、Core AI、ONNX Runtime 和 WebGPU 移植版本。该模型约有1.31亿参数,另配3000万参数音素化器,支持14种音色、7种语言、流式生成,以及强度、速度和音高控制。歌唱功能可依据 JSON 乐谱生成流行或民谣风格,但目前仅支持英语;开发者称部分音色在快速、宽广的音高跳跃下仍显粗糙。
深度见解
Scylla's Band v4 在 Apache 2.0 项目中整合了紧凑型多语言语音、歌唱、公开权重和跨平台运行时,但质量与性能数据仍主要由开发者提供。