原贴链接

我只试过cocqui XTTS。你们的体验是什么？用于训练的最佳语音合成（TTS）是什么？

讨论总结

原帖询问大家尝试过的最佳TTS以及适合训练的TTS，评论者们积极回应，分享了自己使用不同TTS技术的经验、评价和推荐。涉及多种TTS技术，如ElevenLabs、Azure TTS、OpenAI（旧版）、F5TTS、XTTS、Piper、Amazon Polly、Play.ai、Parler tts、Google Text - to - Speech等，还提到了在构建音频指南、将书籍转换为有声读物等场景下的TTS选择，讨论氛围较为积极。

主要观点

  1. 👍 构建音频指南时ElevenLabs可靠性最佳。
    • 支持理由：作为构建音频指南的人亲自验证。
    • 反对声音：无。
  2. 🔥 Piper适合快速和实时，质量较好但无情感。
    • 正方观点：在快速和实时方面有不错表现。
    • 反方观点：无。
  3. 💡 如果优先考虑质量的话，应该选择Eleven Labs；如果侧重于成本效益，则选择Google Text - to - Speech。
    • 理由：从不同需求角度考量TTS选择。
  4. 💡 f5tts的零样本语音克隆能力最佳。
    • 理由：在零样本语音克隆方面的优势。
  5. 💡 XTTS是不错的TTS技术。
    • 理由：未提及具体反对理由，根据个人使用感受推荐。

金句与有趣评论

  1. “😂作为构建音频指南的人，我必须说在可靠性方面没有什么能比得上ElevenLabs。”
    • 亮点：强调了ElevenLabs在可靠性方面的卓越。
  2. “🤔Piper is the best for fast and real time, pretty solid quality but lacks emotions.”
    • 亮点：清晰指出Piper在快速实时方面的优势和情感方面的不足。
  3. “👀如果优先考虑质量的话，应该选择Eleven Labs；如果侧重于成本效益，则选择Google Text - to - Speech。”
    • 亮点：从不同需求维度给出TTS选择建议。

情感分析

总体情感倾向积极正面，大家都在积极分享自己使用TTS技术的经验、推荐自己认为好的TTS技术。主要分歧点较少，可能是因为大家从不同的使用场景和需求出发分享观点，各自的推荐和评价都具有一定的合理性，所以没有形成明显的冲突性观点。

趋势与预测

  • 新兴话题：TTS技术在不同语言转换（如英式和美式英语切换）方面的改进。
  • 潜在影响：可能会促使TTS技术开发者关注到不同使用场景下的需求，从而改进技术，提高用户体验，也可能会影响用户在选择TTS技术时更加注重特定功能和场景的适配性。

详细内容：

标题：探索最佳的语音合成技术（TTS）

在 Reddit 上，有一篇题为“Best TTS you tried?”的帖子引发了热烈讨论。该帖主要询问大家在语音合成技术方面的使用经验，以及哪种 TTS 适合用于训练，获得了众多用户的关注和大量评论。

讨论的焦点主要集中在各种 TTS 技术的优缺点和适用场景。有人认为，对于构建音频指南来说，ElevenLabs 在可靠性方面表现出色。也有人提到，如果不考虑本地的，那么 ElevenLabs、Azure TTS 和 OpenAI 是不错的选择。从本地的来看，F5TTS 或 XTTS2 也很受欢迎。

有用户分享道：“作为一名从事相关工作的人，我必须说，在众多选择中，ElevenLabs 确实有着可靠的表现。但本地的一些替代品也有其独特之处，只是有时会出现问题。”

还有用户表示：“Piper 不仅声音种类和质量出色，而且容易上手，在操作系统的软件包管理器中就能找到。”

关于 F5TTS，有人提到它具有零样本克隆功能。

在成本方面，有用户反映 11labs 虽然不错，但价格有点贵。

对于将书籍转换为有声读物的需求，有人推荐 Parler tts，因为它是基于有声读物训练的，有多种声音可供选择。

有人指出，如果注重质量，Eleven Labs 是首选；如果关注成本效益，则可以选择 Google Text-to-Speech。

总之，Reddit 上关于最佳 TTS 的讨论丰富多样，为大家在选择适合自己的语音合成技术时提供了有价值的参考。但究竟哪种 TTS 技术最好，还需根据个人的具体需求和使用场景来决定。