HyperAI
StartseiteNeuigkeitenNeueste ForschungsarbeitenTutorialsDatensätzeWikiSOTALLM-ModelleGPU-RanglisteVeranstaltungen
Suche
Über
HyperAI

Step-Audio-TTS-3B-Modell Zur Dialektsprachgenerierung Auf Produktionsebene

Dieses Tutorial online ausführen

1. Einführung in das Tutorial

Step-Audio ist das erste Open-Source-Sprachdialogsystem der Branche auf Produktebene in Echtzeit, das Sprachverständnis und Generierungssteuerung integriert. Es wurde 2025 vom Stepfun-AI-Team als Open Source veröffentlicht. Es unterstützt die Generierung mehrerer Sprachen (wie Chinesisch, Englisch, Japanisch), Stimmemotionen (wie Glück, Traurigkeit), Dialekte (wie Kantonesisch, Sichuan-Dialekt), steuerbare Sprechgeschwindigkeit und rhythmischen Stil und unterstützt RAP und Summen usw.

本教程以 Step-Audio-TTS-3B 作为演示，算力资源采用「单卡 RTX4090」。

Unterstützte Funktionen:

  • Allgemeine Sprachsynthese

Stellen Sie den Standard-Stimmcharakter Tingting der offiziellen Website ein und fügen Sie Nezhas Stimme hinzu. Unterstützen Sie die Generierung mehrerer Sprachen, Emotionen, Dialekte und andere Einstellungen

  • Musiksynthese

Stellen Sie den Standard-Stimmcharakter Tingting der offiziellen Website ein und fügen Sie die Stimme von Nezha hinzu. Unterstützen Sie RAP und Summen.

  • Stimmenklonen

Unterstützen Sie Benutzer beim Hochladen von benutzerdefiniertem Audio, geben Sie den Textinhalt des Audios ein und definieren Sie den Rollennamen nach Bedarf

2. Bedienungsschritte

1. Klicken Sie nach dem Starten des Containers auf die API-Adresse, um die Weboberfläche aufzurufen. (Wenn „Bad Gateway“ angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Bitte warten Sie etwa 1 Minute und versuchen Sie es erneut.)

2. Nach dem Aufrufen der Webseite können Sie eine multifunktionale Sprachsynthese durchführen

1. Allgemeine Sprachsynthese

Allgemeine Sprachsynthese

2. RAP/Summmodus

RAP-/Hum-Modus

3. Stimmenklonen

Stimmenklonen

Tipps: Sie können den Sound-Kloneffekt von RAP oder Summen schnell erzeugen, indem Sie vor dem zu generierenden Text (RAP) oder (Summen) drücken.

Austausch und Diskussion

🖌️ Wenn Sie ein hochwertiges Projekt sehen, hinterlassen Sie bitte im Hintergrund eine Nachricht, um es weiterzuempfehlen! Darüber hinaus haben wir auch eine Tutorien-Austauschgruppe ins Leben gerufen. Willkommen, Freunde, scannen Sie den QR-Code und kommentieren Sie [SD-Tutorial], um der Gruppe beizutreten, verschiedene technische Probleme zu besprechen und Anwendungsergebnisse auszutauschen ↓