https://0f9f3b1c.text-matrix.pages.dev/tags/tts/Recent content in TTS on Text MatrixHugozh-cnWed, 08 Apr 2026 11:10:11 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/nemo-nvidia-speech-ai-framework-guide/Wed, 01 Apr 2026 16:45:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/nemo-nvidia-speech-ai-framework-guide/<blockquote> <p><strong>目标读者</strong>：希望构建语音 AI 应用的开发者、AI 工程师 <strong>核心问题</strong>：如何使用 NVIDIA NeMo 构建语音识别和对话 AI 系统？ <strong>难度</strong>：⭐⭐⭐（中级）</p></blockquote> <h2 id="一项目概述">一、项目概述</h2> <h3 id="11-什么是-nemo">1.1 什么是 NeMo</h3> <p><strong>NeMo</strong> 是 NVIDIA 开源的对话式 AI 框架，专注于语音、音频和多模态大语言模型。提供从模型训练到部署的完整工具链，支持研究者快速构建和部署高级 AI 应用。</p>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/faster-qwen3-tts-realtime-tts-acceleration-guide/Tue, 31 Mar 2026 14:20:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/faster-qwen3-tts-realtime-tts-acceleration-guide/<h1 id="faster-qwen3-tts实时语音合成加速完全指南">Faster Qwen3-TTS：实时语音合成加速完全指南</h1> <h2 id="1-学习目标">§1 学习目标</h2> <p>完成本文档后，你将能够：</p> <ul> <li>✅ 理解 Faster Qwen3-TTS 的核心定位与加速原理</li> <li>✅ 掌握 CUDA Graph 加速技术的工作机制</li> <li>✅ 熟练使用 Python API 进行语音克隆和生成</li> <li>✅ 熟练使用 CLI 工具进行语音生成</li> <li>✅ 部署 Demo UI 实时体验语音合成</li> <li>✅ 部署 OpenAI 兼容 API 服务器</li> <li>✅ 在不同硬件上进行基准测试</li> <li>✅ 优化流式生成的 chunk_size 参数</li> <li>✅ 理解语音克隆的质量模式和原理解析</li> </ul> <hr> <h2 id="2-项目概述">§2 项目概述</h2> <h3 id="21-什么是-faster-qwen3-tts">2.1 什么是 Faster Qwen3-TTS？</h3> <p><strong>Faster Qwen3-TTS</strong>（官方仓库：<a href="https://github.com/andimarafioti/faster-qwen3-tts" target="_blank" rel="noopener noreffer ">andimarafioti/faster-qwen3-tts</a>）是一个基于 <strong>CUDA Graph 加速</strong>的 Qwen3-TTS 实时推理库，实现了无需 Flash Attention、无需 vLLM、无需 Triton 的高性能语音合成。</p>https://0f9f3b1c.text-matrix.pages.dev/posts/tech/vibevoice-microsoft-open-source-voice-ai/Mon, 30 Mar 2026 11:35:00 +0800https://0f9f3b1c.text-matrix.pages.dev/posts/tech/vibevoice-microsoft-open-source-voice-ai/<h1 id="vibevoice微软开源前沿语音-ai从入门到精通">VibeVoice：微软开源前沿语音 AI，从入门到精通</h1> <blockquote> <p><strong>目标读者</strong>：想要构建语音 AI 应用、实时对话系统、智能语音助手的开发者与研究者 <strong>核心问题</strong>：如何基于开源技术构建低延迟、高质量、多模型支持的实时语音对话系统？ <strong>难度</strong>：⭐⭐⭐⭐（进阶） <strong>预计阅读时间</strong>：45 分钟</p>