Kitten-TTS：CPU可运行的最小TTS模型
如今大多数文本转语音模型都过于庞大。像Whisper一样大，拥有数十亿参数，需要GPU才能断断续续地说出“Hello World”。即使是那些声称是“轻量级”的模型，最终也需要比你的手机更多的芯片。当然，有很棒的声音，但只有在你拥有强大的GPU时才可用。
tts模型
开源播客TTS模型神器:Muyan-TTS，0.33秒生1秒音频，零样本语音合成
快速生成：约 0.33 秒生成 1 秒音频，适合批量生成长语音内容；说话人适配：支持自定义说话人，进行个性化语音定制；支持长内容连贯合成：无需打断，可自然连续地朗读 5 分钟甚至更长文本；离线部署友好：Hugging Face 提供模型权重，支持本地推理。
通过TTS模型让猴哥给你讲个故事
TTS（Text-to-Speech，文本转语音）技术是一种将书面文本转换为口语语音的技术。这种技术广泛应用于各种场景，如语音助手、导航系统、有声读物、自动电话应答系统等。TTS系统的目的是为了让计算机能够“说出”人们能理解的语言，从而改善人机交互的体验，使得
使用视觉模型为视频添加一段旁白并使用TTS模型生成语音
video = cv2.VideoCapture("TesseractOCR图片文字识别效果.mp4")base64Frames =whilevideo.isOpened:success, frame = video.readifnotsuccess:brea