SoulAppAI 团队（SoulAILab）推出 SoulX-Podcast，这是一款专为多人、多轮对话场景设计的高保真播客语音合成模型。模型支持中英文及多种方言（如四川话、河南话、粤语），并可生成 长文本的自然流畅语音对话，具备精确的角色切换、丰富的韵律变化和高度的情感表达能力。

开源地址：https://github.com/Soul-AILab/SoulX-Podcast

☞☞☞☞☞☞  一键启动包在右侧下载  ☞☞☞☞☞☞

参考音频 ①

参考音频 ②

生成结果

 

配置要求：

电脑满足以下配置：

  • 操作系统：Windows 10/11 64位
  • 内存：16G以上
  • 显卡：至少6G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12.7，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/soulx-podcast/）点击页面右侧下载按钮，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使用步骤：

    • 为 S1 / S2 分别上传或选择参考语音与参考文本；
    • 可选：在“方言提示文本选择器”中为 S1 / S2 选择示例以自动填充方言提示文本；
    • 在右侧输入合成对话文本（每句以 [S1] / [S2] 开头，示例见“播客模板示例”）；
    • 设置 Seed（可选），点击“合成”，在下方播放区收听生成结果。
    • 生成结果会自动保存到当前项目目录下的 outputs 文件夹（若不存在将自动创建）。

如下图所示：

 

 

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。