dots.tts:小红书开源 2B 语音模型,支持零样本声音克隆
小红书开源 2B 参数端到端语音合成系统 dots.tts。它采用全连续自回归架构与 48 kHz AudioVAE,不使用离散 token,在评测中展现出极低的词错误率与高说话人相似度,支持语音克隆与精细编辑。代码和权重按 Apache-2.0 协议开放。
小红书开源 2B 参数端到端语音合成系统 dots.tts。它采用全连续自回归架构与 48 kHz AudioVAE,不使用离散 token,在评测中展现出极低的词错误率与高说话人相似度,支持语音克隆与精细编辑。代码和权重按 Apache-2.0 协议开放。
小红书开源图像编辑模型 FireRed-Image-Edit 1.1,用自然语言即可精细修图。它在改变背景或动作时能稳定保住人脸和穿着,还支持多图融合换装,甚至能把参考图里的字体风格准确迁移过去。不过其完整模型接近 60GB,消费级显卡直接跑起来门槛偏高。