使用场景

• 用轻柔的声音引导用户放松

• 用激动的声音解说足球比赛

• 用哀怨的声音讲一个鬼故事

产品特色

• 语音识别：将连续的语音输入转化为离散的token

• 语音合成：将离散化的语音token转化为连续的语音输出

• 情感控制：根据用户的指令要求改变语音的情感、语调、语速、方言等属性

• 流式推理：支持流式交替输出文本和语音两个模态的内容，降低端到端对话延迟

• 预训练能力：在数百万小时音频和数千亿token的音频文本交错数据上进行预训练，具备强大的音频理解和建模能力

• 多语言支持：能够直接理解和生成中英文语音，进行实时语音对话

使用教程

1. 首先下载仓库：使用git命令克隆项目到本地

2. 安装依赖：根据项目中的requirements.txt文件安装所需的Python依赖

3. 下载模型：根据项目指南下载所需的语音模型和分词器

4. 启动模型服务：运行model_server.py脚本启动模型服务

5. 启动Web Demo：运行web_demo.py脚本启动Web Demo服务

6. 访问Web Demo：在浏览器中访问http://127.0.0.1:8888来使用Web Demo