Qwen TTS 跨句音色稳定输出技术的研究
💡
原文中文，约800字，阅读约需2分钟。
📝
内容提要
研究发现，Qwen的语音合成技术中，跨句合成的音色稳定性只能通过语音克隆实现。虽然可以通过语气指令调节音色，但无法确保跨句一致性。使用seed参数仅能在同一句话中保持一致。最终，通过生成wav文件并转换为pt文件，实现了稳定的音色，并可进行二次语气控制，效果令人满意。希望这些经验能帮助其他AI研究者。
🎯
关键要点
- Qwen的语音合成技术中，跨句合成的音色稳定性只能通过语音克隆实现。
- 语气指令可以调节音色的“性格”，但无法保证跨句时音色稳定。
- seed参数只能在同一句话中保持一致，无法控制跨句音色稳定。
- 可行的方法是先调出满意的声音，输出为wav文件，再生成pt文件。
- pt文件作为向量约束，确保跨句阅读时音色稳定。
- 在音色稳定的基础上，可以进行二次语气控制，表现出不同的性格变化。
- 经过三天的研究，最终效果令人满意，语音语气自然。
- 实践出真知，逻辑推演和知识获取能力仍然重要。
➡️
