MOSS-TTS-v1.5 是 MOSS-TTS 1.0 的升级版本，在保留零样本语音克隆、长文本语音生成、多语言合成、发音控制和代码混说等核心能力的基础上，进一步提升了多语言表现、语音克隆稳定性以及韵律控制能力。通过更完善的训练策略和语言扩展，MOSS-TTS-v1.5 已支持 31 种语言，并在说话人一致性和长文本场景下实现了更加自然稳定的语音生成效果。

相比前代版本，v1.5 对语言标签、多语言发音、停顿控制以及长参考音频克隆进行了重点优化，使生成语音更贴近真实人声表达。

核心功能：

  • 🎙️ 零样本语音克隆：无需训练即可快速复刻目标音色
  • 📖 长文本语音生成：支持长篇内容连续朗读
  • 🌍 31种语言合成：覆盖中、英、粤语及多种国际语言
  • 🔄 代码混说（Code-Switching）：支持多语言混合表达
  • 🔤 发音精准控制：支持拼音（Pinyin）和 IPA 音标控制
  • ⏱️ Token级时长控制：精细调节发音节奏与长度
  • ✨ 显式停顿控制：支持 [pause 3.2s] 等自定义停顿标记

版本升级亮点：

  • 🚀 更强多语言能力：指定语言标签后，多数语言效果显著优于 1.0
  • 👤 更稳定的语音克隆：提升音色相似度与生成一致性
  • 🎯 长参考音频克隆优化：更适合“长参考音频 + 短文本”场景
  • 📝 更自然的标点韵律：停顿与语气更符合文本结构
  • ⏸️ 新增显式停顿控制：实现精确节奏设计

新增支持语言：

粤语、荷兰语、芬兰语、印地语、马其顿语、马来语、罗马尼亚语、斯瓦希里语、他加禄语、泰语、越南语等。

应用场景：

  • AI 数字人配音
  • 有声书与播客制作
  • 多语言内容本地化
  • AI 客服与语音助手
  • 教育培训与语言学习
  • 视频旁白与短剧配音

一句话总结：MOSS-TTS-v1.5 = 一款支持 31 种语言、具备高稳定语音克隆与精细韵律控制能力的开源多语言 TTS 模型。

开源地址：https://huggingface.co/OpenMOSS-Team/MOSS-TTS-v1.5

☞☞☞☞☞☞  右侧下载整合包  ☞☞☞☞☞☞

配置要求：

电脑需满足以下配置：

  • 操作系统：Windows 10/11 64位
  • 内存：建议32G及以上
  • 显卡：至少16G及以上显存的英伟达（NVIDIA）显卡
  • CUDA：显卡支持的CUDA版本大于等于12.8版本（如不知道显卡支持的CUDA版本，可点击此链接查看：https://aiyy.info/supported-cuda-versions/）
  • 整个包解压完约34.3G，要留足硬盘空间

 

如何查看显卡品牌型号和显存：

  • 打开任务管理器
  • 点击“性能”
  • 点击“GPU”
  • 右上角可以看到显卡型号，下方可以看到显存大小

 

使用教程：

① 打开下载页面（https://aiyy.info/moss-tts/）点击页面右侧下载按钮（手机端在页面底部），下载整合包之后解压，建议使用winrar解压（解压软件在文件包中，或者可以自己下载安装，下载地址：https://www.winrar.com.cn/）

不要用Windows自带解压！！不要用360解压！！

注意：文件夹路径和文件名称（包括音频、图片、视频等文件名称）不要出现中文字符，否则部分软件会因识别不出而报错

 

② 双击“一键启动.bat”，稍等片刻会在浏览器中自动打开操作界面

③ 输入需要合成的文本，添加参考音频，选择参考音频模式，选择语言，再最后点击“开始合成”即可

④ 生成结果位于右侧，可以播放试听，点击下载按钮可以保存至指定文件夹

⑤ 在文件包中的“outputs”文件夹中也能找到生成结果

 

声明： ① 本站所有资源版权均属于原作者所有，这里所提供资源均只能用于参考学习用，请勿直接商用。若由于商用引起版权纠纷，一切责任均由使用者承担。更多说明请参考赞助计划。 ② 本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。