声音大模型之音色克隆
声音大模型领域包含两个分支：SVC（音色转换）专注于模仿语音音色特征，用于歌声替换等场景，但不学习呼吸或语速；TTS（文字转语音）则学习发音特点生成自然语音，常用于语言模仿。开源项目如SoftVC VITS针对歌声转换，需大量纯人声训练，泛化性差易跑调，作者已停止维护；阿里开源的CosyVoice
Dada's Homepage
Dada's Homepage