网友回复
Kokoro、Fish-Speech和CosyVoice三者的TTS效果各有特点,以下是具体对比:
Kokoro
优势:在TTS Spaces Arena中,Kokoro v0.19曾是排名第一的模型,其在单语音Arena设置中,使用更少的参数和数据就获得了比其他模型更高的Elo评分,这表明其在传统TTS模型的规模法则(Elo与计算/数据/参数)上可能具有更陡的斜率。
局限:Kokoro v0.19每次生成的音频时长最多为30秒。
Fish-Speech
优势:多语言和跨语言支持:支持英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语等多种语言,且无需音素依赖,具有强大的泛化能力。
准确率高:对于5分钟的英文文本,实现了约2%的低CER和WE...
点击查看剩余70%