Llasa TTS是由香港科技大学开发的一款基于 LLaMA 微调的文本到语音（TTS）模型，专注于实现极致的语音克隆效果，并支持中英双语生成。它通过整合来自 XCodec2 码本的语音标记，扩展了基于文本的 LLaMA 语言模型（1B、3B 和 8B），并在包含 25 万小时中英文语音数据的数据集上进行训练。

Llasa TTS功能特点：

1、超真实音频输出：

Llasa TTS 能够生成极其逼真的语音，听起来几乎与自然人类语音无异。这种高度的真实感使其在语音合成领域表现出色。

2、情感表达：

该模型能够生成带有情感色彩的语音，如快乐、悲伤、愤怒等，使合成语音更具感染力。

3、多语言支持：

Llasa TTS 支持中英文双语生成，适合全球多样化的受众和个性化应用。

4、语音克隆功能：

仅需 15 秒的声音样本，Llasa TTS 就能实现高度准确的声音克隆，不仅能够保持原声音的音色，还能捕捉其情感特征。

5、多种音色选择：

提供多种音色选项，用户可以根据需求选择不同的声音风格。

6、灵活的语音生成模式：

支持从纯文本生成语音，或通过语音样例提示生成具有特定风格和情感的语音。

7、多版本选择：

提供 1B、3B 和 8B 参数规模的版本，以满足不同硬件平台的部署需求。

Llasa TTS应用场景：

1、智能助手：为语音助手生成自然对话，提供自然的语音反馈。

2、有声读物：将文本内容转化为高质量的语音，适合有声读物制作。

3、教育领域：用于语言学习，帮助学生通过听力练习提高语言能力。

4、游戏和娱乐：为游戏角色提供生动的语音。

5、广告和市场营销：生成广告语音，提升品牌宣传效果。

Llasa TTS相关网址：

1、GitHub仓库：https://github.com/zhenye234/LLaSA_training

2、HuggingFace模型库：https://huggingface.co/collections/HKUSTAudio/llasa

3、arXiv技术论文：https://arxiv.org/pdf/2502.04128

4、在线体验Demo：https://huggingface.co/spaces/srinivasbilla/llasa-3b-tts