开源 TTS 项目 Scylla's Band v4 发布，支持手机端唱歌与英语 WER 0.85%

开发者历时近一年的单人项目 Scylla's Band v4 发布，这是一款约 131M 参数、可在手机端运行并能按 JSON 乐谱唱歌的开源 TTS 模型。模型支持 14 个音色、6 种语言、流式输出及逐句控制，在 M5 Max 上首音频延迟约 30ms，英语 WER 为 0.85%，UTMOS 为 4.35。