港中大（深圳）与趣丸科技推出了新一代声音克隆TTS模型MaskGCT，该模型基于10万小时的多语言数据训练，具备超自然的语音克隆和风格迁移能力，采用两阶段结构，无需文本与语音对齐，表现优于现有TTS系统，适用于短剧出海等多种场景。

MaskGCT是一款新发布的非自回归文字转语音AI模型，支持多种语言，基于10万小时的Emilia数据集训练，用户可在本地部署。安装依赖后，通过推理脚本实现语音合成，语音质量接近真实，但运行成本较高。