【免费下载链接】Breeze-TTS-2项目地址https://ai.gitcode.com/hf_mirrors/BreezeBlue/Breeze-TTS-2点击查看免费下载Breeze TTS 2 是一款开源权重的大规模文本转语音TTS模型本指南教你用 5 个实用技巧把(laugh)、[咳嗽]、[叹气]这类声音事件直接写进合成文本中让语音自然地发出笑声、咳嗽和叹息——无需额外配置在文本里写一个事件标记即可。Breeze TTS 2 是什么Breeze TTS 2 主打实时交互场景核心能力包括️Voice Clone声音克隆用一段干净参考音频 精确文字稿保留音色、节奏与情绪Voice Design声音设计不用参考音频仅凭一句自然语言描述即可“捏”出新声音️Voice Direction声音导演克隆音色的同时用指令调整语气、情绪与语速Vocal Events声音事件本文主角直接在文本中嵌入笑声、咳嗽、清嗓、叹气等⚡超低延迟H100 上首包音频延迟低于 40 ms支持流式输出中英双语一个模型同时生成自然的中文和英文语音更完整的介绍可阅读仓库中的 README.md。声音事件写法速查表中英文标记对照Breeze TTS 2 对声音事件的写法区分了语言英文文本用圆括号()中文文本用方括号[]。常用事件如下声音事件英文文本写法中文文本写法 笑(laugh)[笑] 咳嗽(cough)[咳嗽]️ 清嗓子(clears throat)[清嗓子]‍ 叹气(sigh)[叹气] 记住一个原则语言跟着文本走——你写的是中文句子就用[叹气]英文句子用(sigh)。技巧一句首加事件一句话定下情绪基调把声音事件放在句子最前面可以让情绪从一开始就立住非常适合开场白、旁白、播客。例如先一声轻叹再开口说话--text (sigh) It is good to hear your voice again after all this time.中文同理[叹气]放在句首一句话就能营造出“感慨”的氛围比单独调语气参数更省事。技巧二句中插入事件模拟真实的自然对话真实的人说话时难免咳嗽、清嗓。把事件放在句子中间能模拟出自然的停顿感--text 他汇报完工作(cough) 然后继续说接下来的安排。小技巧一个位置只放一个事件且事件要简短写成“一个动作短语”效果最好避免叠加多个事件导致发音混乱。技巧三搭配 Voice Design塑造会笑的“人设声线”单独的事件只是点缀配上--instruction描述人设并加上--cfg-scale 4增强指令遵循笑声会和音色、语气融为一体python infer.py ../breeze-tts-2 \ --text [笑] 欢迎来到今晚的故事时间让我们一起开始吧。 \ --instruction 一位温柔自信的年轻女性声音清晰语气亲切表达轻快而富有感染力。 \ --cfg-scale 4 \ --output outputs/voice_design_zh.wav这样生成的“讲故事阿姨”声音笑声会更贴合人设而不是机械地笑。技巧四配参考音频Voice Clone保留真实音色想克隆某人的声音并让其发出咳嗽、清嗓声提供参考音频和精确文字稿再在文本里嵌入事件即可python infer.py ../breeze-tts-2 \ --ref-audio reference_zh.wav \ --ref-text 这是中文参考音频的准确文字稿。 \ --text [叹气] 没想到过了这么久你还记得我的声音。 \ --output outputs/voice_clone_zh.wav注意两点参考音频要干净、少背景噪声--ref-text必须与参考音频的逐字内容完全一致。技巧五接入 Streaming API做实时语音交互如果你在做对话机器人或直播配音可以启动流式 API在请求中直接携带声音事件python -m breeze_infer.api ../breeze-tts-2 --host 0.0.0.0 --port 7860curl -X POST http://127.0.0.1:7860/v1/audio/speech \ -F cfg_scale4 \ -F text(clears throat) We need to discuss what happened last night. \ -F seed42 \ --output voice_direction.pcm返回的是 24 kHz 单声道流式 PCM 音频适合边生成边播放的低延迟场景。新手实用建议3 条避坑指南标记语言必须与文本一致中文用[笑]、英文用(laugh)混用可能导致事件不生效。事件保持简短写成单个动作短语例如(clears throat)不要写成完整句子。采样参数不用改仓库默认生成配置generation_config.json 中temperature 0.9的采样设置即可直接出效果。模型文件与资源清单本文所有示例都基于 Breeze TTS 2 的模型文件可通过下面命令克隆获取git clone https://gitcode.com/hf_mirrors/BreezeBlue/Breeze-TTS-2仓库中值得关注的文件文件说明config.json主模型配置llama-1B 主干、28 层注意力24 kHz 采样率generation_config.json默认生成参数采样温度 0.9 等audio_tokenizer/音频分词器12.5 fps 帧率model.safetensors.index.json模型权重分片索引LICENSE许可协议硬件参考Eager 推理约需 7.7 GiB 显存建议至少 12 GB 显存的 NVIDIA GPU。许可说明 ⚠️Breeze TTS 2 的模型权重、衍生模型及自托管输出仅限研究与非商业用途详见 LICENSE。商用请遵循官方条款并务必为所使用的参考音频和语音取得相应授权。赞分享【免费下载链接】Breeze-TTS-2项目地址https://ai.gitcode.com/hf_mirrors/BreezeBlue/Breeze-TTS-2点击查看免费下载相关推荐mlx-audio Breeze TTS 2 实现精讲语音设计、声音克隆、声音导演与流式合成mlx audio Breeze TTS 2 实现精讲语音设计、声音克隆、声音导演与流式合成 本篇围绕 mlx audio 仓库中 Breeze TTS 2语音音频人工智能本地部署模型推理服务Breeze TTS 2语音克隆实操3条命令复刻指定声音的保姆级教程Breeze TTS 2语音克隆实操3条命令复刻指定声音的保姆级教程 Breeze TTS 2 是一款位居 Artificial Analysis TTS 榜如何使用Symfony Security Guard实现表单登录认证如何使用Symfony Security Guard实现表单登录认证 Symfony Security Guard是Symfony框架中一个强大的认证组件它提上一篇Kumo主题生成器完全指南一份配置文件如何自动生成语义化CSS Token与FedRAMP主题下一篇Codeg架构深潜一套Rust代码如何共享桌面、codeg-server与codeg-mcp三个二进制核心创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考