给恋爱 Skill 加入语音

哈基米不爱哈气 2026-08-28 16:54 1

在之前发的帖子里

https://linux.do/t/topic/2807739?u=hajimi123


有人提到可以接入语音,于是,我做了一番研究



  1. 本地 Comfyui 跑 qwen3-tts / IndexTTS,感觉效果一般,听起来很奇怪,佬友有更好的带情绪的本地语音方案吗?

  2. Doubao TTS 2.0,感觉非常不错,但是因为没有开源,只能买服务,是最后的选择


以下是对比:



  1. 本地 Comfyui







  1. Doubao TTS 2.0





最新回复 (19)
  • MartinMa 08-28 16:55
    1

    已经接本地ComfyUI了?能不能实时跑图功能安排上!

  • Yu001 08-28 16:56
    2

    大家注意语音别外放!!

    吓我一跳 ^-^

  • 哈基米不爱哈气 楼主 08-28 16:56
    3

    看我的原贴,有这个功能的 ^-^ ^-^

  • 我刘邦 08-28 16:58
    4

    这恋爱对吗?花钱的恋爱是吧? ^-^

  • xun 08-28 16:58
    5

    我觉得佬可以试试fish audio的s2.1-pro,目前它的api免费调用延期的11月30日了

    这个tts模型我用起来挺不错的

    只是国内不能直连,你做一层代理就好 ^-^

  • MartinMa 08-28 16:58
    6

    冲冲冲!谁不想急头白脸的跟ai谈一次恋爱呢。加上ComfyUI的NSFW模型,到时候自己调一调global提示词加个lora,简直是无敌了!

  • Yu001 08-28 16:59
    7

    https://linux.do/t/topic/2701106


    佬友可以试试这个佬帖子里面提到的嘉岚 3.0

    我用起来很好听

  • 哈基米不爱哈气 楼主 08-28 16:59
    8

    fish 是开源的吧,我看 Comfyui 有 fish 引擎捏,如果只是 tts,很多模型都能实现,主要是情绪把控

  • 何青泉 08-28 17:00
    9

    佬友, 加个帮忙写辞职申请书的功能吧, 人事估计一会要找我谈话了, 声音有点大

  • xun 08-28 17:02
    10

    如果需要特别精细的控制,那估计只能自己训练了 ^-^

    个人体感而言,s2.1-pro用自然语言标签控制的效果还可以

  • Crimaster 08-28 17:03
    11

    我靠啊!!还好我察觉不对播了两秒暂停了 不然感觉可以从地球上被抹除了

  • 哈基米不爱哈气 楼主 08-28 17:04
    12

    优先本地的,毕竟这个只是限时免费,如果付费,选豆包了,感觉真的 yyds,虽然在 code 领域是一坨

  • aeo 08-28 17:04
    13

    我使用的是 VoxCPM2。它不稳定偶尔需要抽卡,生成不快,但是音色复刻相对于其他的好很多。每天针对关注的信息进行总结。所以我对即时响应的要求不是很高,可能满足不了你需求。

    这种场景的声音没点开听,更没有尝试过哈


    找一段情绪对味的参考素材;引擎选型上要风格选 VoxCPM2 终极克隆、要可控选 IndexTTS-2.5 的双参考(音色+情绪分离)

  • 邪恶老登 08-28 17:09
    14

    豆包音色不够^-^,fish有些音色非常的^-^,好像豆包也能搞自定义音色吧

  • 邪恶老登 08-28 17:10
    15

    另外语音可以参考我发的双工那套,可以实现低延迟电爱

  • YOLO 08-28 17:12
    16

    幸好带耳机了,要是没有带耳机,我将原地消失。 ^-^

  • testG 08-28 17:13
    17

    grok2api那个有语音接口,有没有佬试过那个?我看见了但是没有去用过

  • 哈基米不爱哈气 楼主 08-28 17:19
    18

    玩了一下,还阔以,但是 ooxx 情绪这块,和豆包比,还差点意思

  • Yu001 08-28 17:21
    19

    但一想起豆包我的大脑就会出现豆包的样子诶 ^-^

* 帖子来源Linux.do
返回