许可证: cc-by-nc-4.0 语言:

• 中文
• 英文 基础模型:
• meta-llama/Llama-3.2-3B-Instruct
• HKUSTAudio/Llasa-3B 标签:
• 文本转语音 管道标签: 文本转语音

查看我们的模型集获取所有TTS模型上传。

学习微调TTS模型 - 阅读我们的指南。

Unsloth Dynamic 2.0实现了更高的准确率，并优于其他领先的量化方法。

✨ 使用Unsloth运行和微调TTS模型！

• 使用我们的Google Colab笔记本免费微调TTS模型！
• 阅读我们关于TTS支持的博客：unsloth.ai/blog/tts

更新（2025-05-10): 有时我发现top_p=0.95和temperature=0.9能产生更稳定的结果。

更新（2025-02-13): 添加Llasa微调说明。

更新（2025-02-07): 我们的论文已发布！

LLaSA: 为基于LLaMA的语音合成扩展训练时和推理时计算

• 从头训练: 如果你想从头开始训练模型，请使用LLaSA训练仓库。

• 测试时计算扩展: 如果你想尝试测试时计算的扩展，请使用LLaSA测试仓库。

模型信息

我们的模型Llasa是一个文本转语音（TTS）系统，通过整合来自XCodec2码本的65,536个语音标记，扩展了基于文本的LLaMA（1B、3B和8B）语言模型。我们在包含250,000小时中英文语音数据的数据集上训练了Llasa。该模型能够仅从输入文本或利用给定的语音提示生成语音。

该方法与Llama框架无缝兼容，使得训练TTS类似于训练LLM（将音频转换为单码本标记，并简单地将其视为一种特殊语言）。这为现有LLM的压缩、加速和微调方法的应用开辟了可能性。