AlphaCEP 发布多语言 OGG TTS 预览模型

AlphaCEP 团队在 Hugging Face 发布预览版 OGG TTS，这是一个 0.75B 参数的零样本多语言文本转语音模型，支持 8 种语言和情绪标签。模型以 Qwen3-0.6B 初始化的 OmniVoice 为骨干，通过块扩散生成 Fish Audio 44.1kHz codec 离散 token，并采用 axial 多 token 预测声学解码器。 当前版本是 40 万步预训练中的 12 万步检查点，团队表示后续还会更新。OGG 是即将发布的技术报告所列 OGG、ROGG、POGG 三种架构之一。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。