Raon-OpenTTS-1B初体验:KRAFTON开源1B零样本语音克隆TTS,性能比肩闭源SOTA

Raon-OpenTTS-1B初体验:KRAFTON开源1B零样本语音克隆TTS,性能比肩闭源SOTA Raon-OpenTTS-1B初体验KRAFTON开源1B零样本语音克隆TTS性能比肩闭源SOTA【免费下载链接】Raon-OpenTTS-1B项目地址: https://ai.gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1BRaon-OpenTTS-1B 是 KRAFTON 开源的零样本文本转语音TTS与语音克隆系统仅需 10 亿参数就在主流基准上比肩顶尖闭源模型。它不仅开放权重还放出了 51 万 小时训练数据是目前最完整的开源语音合成方案之一。本文带你快速了解它的核心亮点、模型参数与上手体验。Raon-OpenTTS-1B 是什么零样本语音克隆模型的核心亮点Raon-OpenTTS-1B 基于 F5-TTS 的 DiTDiffusion Transformer架构采用流匹配flow matching技术实现高效的零样本语音合成——给一段几秒的参考音频就能克隆出该声音的音色、情绪与说话风格。1. 全开放、可复现模型权重 11 个英文数据集共 615K 小时训练数据全部公开使用经 DNSMOS / WER / VAD 三重质量过滤的 Raon-OpenTTS-Core510.1K 小时训练2. 性能比肩闭源 SOTA在 Seed-TTS-Eval 与 CV3-Eval 上WER 与 SIM 均位列近期零样本 TTS 模型第 1、2 名匹敌使用数百万小时专有数据训练的系统3. ️ 跨声学环境稳健在自建 Raon-OpenTTS-EvalClean / Noisy / Wild / Expressive 四种场景中取得最佳平均 WER 与 SIMRaon-OpenTTS-1B 完整参数模型详情一览项目内容参数量1048M1B架构DiTDiffusion Transformer基于 F5-TTS架构参数dim1408depth28heads24text_dim512conv_layers4训练数据Raon-OpenTTS-Core510.1K 小时英文语音训练步数520K 更新训练硬件48 块 NVIDIA B200 GPU音频规格80 维 mel 谱16kHzhop256声码器HiFi-GANspeechbrain/tts-hifigan-libritts-16kHz以上配置对应仓库中的config.yaml文件其中定义了模型名称、DiT backbone 架构、mel 谱与声码器等关键信息可自行查看核对。零样本 TTS 基准对比距离闭源 SOTA 有多近Seed-TTS-Eval精选模型参数WER (%) ↓SIM ↑Seed-TTS闭源-2.250.762CosyVoice 31.5B2.210.720Qwen3-TTS1.7B1.460.715F5-TTS0.3B2.040.671Raon-OpenTTS-1B1.0B1.780.749SIM 表示与参考音频的相似度越高说明克隆越像。人类基线为 0.734——Raon-OpenTTS-1B 的 0.749 甚至超越了真人水平。CV3-Eval精选模型CV3-EN WER ↓CV3-Hard-EN WER ↓SIM ↑DNSMOS ↑CosyVoice 34.9610.770.7403.98Qwen3-TTS4.527.890.6663.87Raon-OpenTTS-1B3.926.150.7753.85可以看出1B 规模、全开放数据训练出来的 Raon-OpenTTS-1B在准确率与音色相似度上全面领先多数开源模型与闭源旗舰同档。快速下载与体验模型仓库文件说明仓库主要包含以下文件文件说明model_520000.pt模型权重520K 步训练产出config.yaml模型配置DiT 架构参数、mel 谱与声码器设置vocab.txt文本分词器词表README.md官方文档功能亮点、基准测试、模型详情克隆仓库即可获取全部模型文件git clone https://gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1B推理代码与完整使用教程请参考 KRAFTON 官方的 Raon-OpenTTS 代码仓库README.md的 Inference 章节有指引说明。许可证与使用注意事项 ⚠️⚖️ 许可证为CC BY-NC 4.0需署名且仅限非商业用途商用前请确认️ 当前版本聚焦英文语音合成 在 Raon-OpenTTS-Eval 综合评测中以 Overall WER 2.81 / SIM 0.695 全面领先 F5-TTS、CosyVoice 2/3 等开源模型总结Raon-OpenTTS-1B 用全开放数据 1B 参数证明了开源零样本语音克隆可以比肩闭源 SOTA。无论你是做 TTS 研究、语音克隆实验还是个人项目它都是当下最值得尝试的开源文本转语音模型之一——克隆仓库、按官方代码仓库的指引跑通推理即可开始体验。【免费下载链接】Raon-OpenTTS-1B项目地址: https://ai.gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1B创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考