SteerTTS语音合成模型发布

发生了什么

开发者推出SteerTTS，一款23M参数的英语语音合成模型，支持数字调控（音调、速率、音量等）并在CPU上实时运行。模型包含9.6M参数的声学模型和Vocos编码器，提供51种风格标签和2,825种内置声音。RTFx在RTX 5070上速度约60-80ms，CPU无优化版本约4-8ms。模型在Open TTS Leaderboard上平均WER约1.8%。支持免费文本提示和内联标记，但克隆相似度低，需更多数据改进提示模块。模型权重采用CC BY-NC 4.0许可，代码为MIT许可。