开发者开源 23M 轻量英文语音合成模型 SteerTTS

独立开发者开源发布了超轻量英文语音合成模型 SteerTTS，参数量仅为 23M，旨在解决对话场景中的声音控制难题。 该模型目前仅支持英文，且尚未进行人工评估。其核心优势在于可在 CPU 上实现实时音频流式输出，首包延迟约 0.5 秒，并允许通过大语言模型（LLM）生成的数值动态控制语速、响度、音调等 12 种属性。 目前，SteerTTS 的代码采用 MIT 协议开源，但其模型权重采用的是 CC BY-NC 4.0 协议，仅限非商业用途。

AI 根据报道生成 · 5 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。