Raon-OpenTTS-1B初体验:KRAFTON开源1B零样本语音克隆TTS,性能比肩闭源SOTA
Raon-OpenTTS-1B初体验KRAFTON开源1B零样本语音克隆TTS性能比肩闭源SOTA【免费下载链接】Raon-OpenTTS-1B项目地址: https://ai.gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1BRaon-OpenTTS-1B 是 KRAFTON 开源的零样本文本转语音TTS与语音克隆系统仅需 10 亿参数就在主流基准上比肩顶尖闭源模型。它不仅开放权重还放出了 51 万 小时训练数据是目前最完整的开源语音合成方案之一。本文带你快速了解它的核心亮点、模型参数与上手体验。Raon-OpenTTS-1B 是什么零样本语音克隆模型的核心亮点Raon-OpenTTS-1B 基于 F5-TTS 的 DiTDiffusion Transformer架构采用流匹配flow matching技术实现高效的零样本语音合成——给一段几秒的参考音频就能克隆出该声音的音色、情绪与说话风格。1. 全开放、可复现模型权重 11 个英文数据集共 615K 小时训练数据全部公开使用经 DNSMOS / WER / VAD 三重质量过滤的 Raon-OpenTTS-Core510.1K 小时训练2. 性能比肩闭源 SOTA在 Seed-TTS-Eval 与 CV3-Eval 上WER 与 SIM 均位列近期零样本 TTS 模型第 1、2 名匹敌使用数百万小时专有数据训练的系统3. ️ 跨声学环境稳健在自建 Raon-OpenTTS-EvalClean / Noisy / Wild / Expressive 四种场景中取得最佳平均 WER 与 SIMRaon-OpenTTS-1B 完整参数模型详情一览项目内容参数量1048M1B架构DiTDiffusion Transformer基于 F5-TTS架构参数dim1408depth28heads24text_dim512conv_layers4训练数据Raon-OpenTTS-Core510.1K 小时英文语音训练步数520K 更新训练硬件48 块 NVIDIA B200 GPU音频规格80 维 mel 谱16kHzhop256声码器HiFi-GANspeechbrain/tts-hifigan-libritts-16kHz以上配置对应仓库中的config.yaml文件其中定义了模型名称、DiT backbone 架构、mel 谱与声码器等关键信息可自行查看核对。零样本 TTS 基准对比距离闭源 SOTA 有多近Seed-TTS-Eval精选模型参数WER (%) ↓SIM ↑Seed-TTS闭源-2.250.762CosyVoice 31.5B2.210.720Qwen3-TTS1.7B1.460.715F5-TTS0.3B2.040.671Raon-OpenTTS-1B1.0B1.780.749SIM 表示与参考音频的相似度越高说明克隆越像。人类基线为 0.734——Raon-OpenTTS-1B 的 0.749 甚至超越了真人水平。CV3-Eval精选模型CV3-EN WER ↓CV3-Hard-EN WER ↓SIM ↑DNSMOS ↑CosyVoice 34.9610.770.7403.98Qwen3-TTS4.527.890.6663.87Raon-OpenTTS-1B3.926.150.7753.85可以看出1B 规模、全开放数据训练出来的 Raon-OpenTTS-1B在准确率与音色相似度上全面领先多数开源模型与闭源旗舰同档。快速下载与体验模型仓库文件说明仓库主要包含以下文件文件说明model_520000.pt模型权重520K 步训练产出config.yaml模型配置DiT 架构参数、mel 谱与声码器设置vocab.txt文本分词器词表README.md官方文档功能亮点、基准测试、模型详情克隆仓库即可获取全部模型文件git clone https://gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1B推理代码与完整使用教程请参考 KRAFTON 官方的 Raon-OpenTTS 代码仓库README.md的 Inference 章节有指引说明。许可证与使用注意事项 ⚠️⚖️ 许可证为CC BY-NC 4.0需署名且仅限非商业用途商用前请确认️ 当前版本聚焦英文语音合成 在 Raon-OpenTTS-Eval 综合评测中以 Overall WER 2.81 / SIM 0.695 全面领先 F5-TTS、CosyVoice 2/3 等开源模型总结Raon-OpenTTS-1B 用全开放数据 1B 参数证明了开源零样本语音克隆可以比肩闭源 SOTA。无论你是做 TTS 研究、语音克隆实验还是个人项目它都是当下最值得尝试的开源文本转语音模型之一——克隆仓库、按官方代码仓库的指引跑通推理即可开始体验。【免费下载链接】Raon-OpenTTS-1B项目地址: https://ai.gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1B创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

NPU算子写对了吗:用pytest为ops-multimodal-fusion编写接口与精度双层测试

NPU算子写对了吗:用pytest为ops-multimodal-fusion编写接口与精度双层测试

NPU算子写对了吗:用pytest为ops-multimodal-fusion编写接口与精度双层测试 【免费下载链接】ops-multimodal-fusion 基于 AscendC 的 PyTorch 自定义多模态算子库 项目地址: https://gitcode.com/cann/ops-multimodal-fusion 以基于 AscendC 的 PyTorch 自定…

2026/11/17 13:48:42 阅读更多 →
渗透测试中的法律边界:授权书模板与合规要点

渗透测试中的法律边界:授权书模板与合规要点

每一个白帽子、每一个红队队员、每一家安全公司在拿起键盘发起攻击前,必须刻在脑子里的“生死线”:渗透测试中的法律边界、合规要点,以及那纸至关重要的“免死金牌”——授权书。 这是一篇可能有些枯燥,但绝对能救命的文字。我会用…

2026/11/9 18:42:50 阅读更多 →
MiniMax-H3-Fun-Controlnet-Union完全指南:Canny、Depth、HED、MLSD、Pose五大控制模式详解

MiniMax-H3-Fun-Controlnet-Union完全指南:Canny、Depth、HED、MLSD、Pose五大控制模式详解

MiniMax-H3-Fun-Controlnet-Union完全指南:Canny、Depth、HED、MLSD、Pose五大控制模式详解 【免费下载链接】MiniMax-H3-Fun-Controlnet-Union 项目地址: https://ai.gitcode.com/hf_mirrors/alibaba-pai/MiniMax-H3-Fun-Controlnet-Union MiniMax-H3-Fun-…

2026/11/4 9:31:49 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/17 8:22:52 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/17 12:46:04 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/17 12:46:04 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/17 11:26:33 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/17 12:46:05 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/17 12:46:05 阅读更多 →

日新闻

周新闻

月新闻