TontaubeV1

TontaubeV1：新的字符级 TTS 模型支持长文本语音生成

研究人员开发了 TontaubeV1，一个开源的文本到语音 (TTS) 模型，能够生成长篇、富有表现力的语音。这个字符级模型基于 Qwen3-1.7B 检查点和 DualCodec 音频编解码器构建，支持低延迟本地推理和零样本语音克隆。关键创新包括字符级分词，据报道，这比标准的 BPE 分词器在 TTS 任务上更具鲁棒性，以及一种新颖的分块和位置方案，可以更有效地对齐文本和音频流以实现连续生成。