Cartesia 官方博客·· 2026-09-14AI 评分22
TTS 模型与音色不是一回事:Cartesia 解析固定说话人、多说话人与声音克隆
TTS Model vs. Voice: They're Not the Same
AI 导读
Cartesia 官方博客指出,TTS 模型与它使用的音色是两个独立概念,音色更像输入而非模型本身。固定说话人模型只接收文本,多说话人模型可额外选择预设音色,零样本克隆模型则接受 10 到 60 秒参考音频作为提示,Cartesia 的 Sonic 端到端模型即支持 Instant Voice Cloning。专业声音克隆(PVC)需用更大录音数据集微调模型,耗时可达数小时。
打开原文 cartesia.ai