热点事件持续更新

开源端侧 TTS 模型 Scylla's Band v4 发布

1 篇报道1 个报道来源7 小时前更新

先了解这件事

AI 综述

一名开发者历时近一年完成的开源端侧语音合成模型 Scylla's Band v4 发布：约 131M 参数，可在手机端运行，支持按 JSON 乐谱唱歌（唱歌功能目前仅支持英语），并提供 14 个音色、6 种语言、流式输出与逐句控制。性能方面，在 M5 Max 上首音频延迟约 30ms，英语 WER 为 0.85%，UTMOS 为 4.35。模型以 Apache 2.0 协议开源，提供 PyTorch 权重以及 LiteRT、Core ML、ONNX Runtime、WebGPU 移植版本，附带处理文本规范化的 C++ 运行时和 Python、iOS、Android 示例。已知限制是不支持声音克隆，偶有读错词，快速大幅度音高变化时部分音色会出现失真。

AI 根据报道生成 · 7 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月7日

06:26
AGI Hunt
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。

本事件热度走势

可比范围当前: 8
可比范围峰值: 1011月7日 07:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。