一句话：Resemble AI 开源的 TTS 模型，MIT 协议、号称开源 TTS 的 SOTA——5 秒音频零样本克隆人声，情绪强度还能调。
它能帮你干什么
- 零样本语音克隆：给 5 秒参考音频即可克隆出该人声
- 情绪强度可控：不只读出来，还能调情绪和强烈程度，从平淡陈述到激昂喊话
- MIT 免费，个人和商业都能用，代码与权重全公开
- 基于 0.5B 规模的 LLaMA 架构，用超过 50 万小时精选音频训练
- Turbo 版精简到 350M 参数，把语音令牌到梅尔频谱的解码从 10 步压到 1 步——推理延迟大幅下降、显存占用大幅降低，消费级显卡甚至 CPU/MPS 都能跑
适合谁
- 要语音克隆、又不想为商用付费的个人/团队
- 要控制语气情绪强度（不只是念稿）的场景
- 硬件一般（消费卡、CPU），想跑 TTS 的人——用 Turbo 版
关键数据
| 项目 | 情况 |
|---|---|
| 星标 | 26.6k，MIT 协议 |
| 底座 | 0.5B LLaMA 架构，50 万+ 小时音频训练 |
| 克隆 | 5 秒参考音频，零样本 |
| 情绪 | 强度可控（平淡→激昂） |
| Turbo | 350M 参数，1 步解码，消费卡/CPU 可跑 |
上手 / 配置
- 要质量：拉标准版，配有一定显存的卡
- 要速度/低配：拉 Turbo 版（350M），消费卡甚至 CPU/MPS 都能跑
- 调参：情绪强度参数按需要调，克隆时喂 5 秒参考音频
