WhissleAI发布11.84MB端侧TTS模型

发生了什么

WhissleAI发布了一个11.84MB的端侧可控TTS模型edge版，其WER保持不变，UTMOS降低了约0.1。该模型支持12个控制参数，50种风格标签和内联标记。在2018 Threadripper CPU上，该模型以0.053的RTF（4线程）运行，首次音频生成约120ms。该模型仅支持英语，包含200个声音（全部模型的2,825个声音的子集），不支持声音克隆、自由文本提示或设备上的流调整器。