vits

1分钟的语音数据也可以用来训练一个好的TTS模型！ （几张声音克隆镜头）

用不超过10分钟的语音数据轻松训练优质语音克隆模型！

顶尖开源文本转语音系统

基于新一代Kaldi与onnxruntime的离线语音转文字、文字转语音、说话人日志、语音增强、源分离及语音活动检测技术。支持嵌入式系统、Android、iOS、HarmonyOS、树莓派、RISC-V架构、x86_64服务器、WebSocket服务端/客户端，兼容12种编程语言。