跳到正文
arXiv · AI· Runyuan Cai, Yu Lin, Yiming Wang, Xiaodong Zeng·· 2026-10-14AI 评分46

Audio8-TTS:0.6B 参数零样本语音克隆模型,通过现实度批评家对齐人类感知

Training a Compact, Strong, and Realistic Text-to-Speech Model

AI 导读

Audio8-TTS 是一款 0.6B 参数的零样本语音克隆模型,在 intelligibility、speaker similarity 和 perceptual naturalness 上达到 SOTA 表现。模型通过构建开源 TTS 质量阶梯训练现实度批评家,并使用 GRPO 以 WER 和 SIM 为奖励优化,最终阶段保留 WER 性能并提升韵律自然度。

来源:arXiv · AI · arxiv.org