我现在在做有声书/故事类内容的自动配音。角色对白部分目前问题不大，因为每个角色说的话相对短，TTS 的情绪、音色和表现力比较容易控制，效果也还可以。现在主要卡在"旁白"上，因为旁白文本通常很长，需要承担大量叙述、转场、气氛铺垫和情绪推进。 如果直接用普通 TTS 生成，常见问题是： 语调太平，像播报或机械朗读； 长文本情绪不稳定，前后听感不一致； 缺少有声书旁白需要的节奏感、停顿和抑扬顿挫； 语速、段落停顿、情绪推进不太好控制； 分段生成再拼接时，容易出现语气断裂或衔接不自然。 我想找的是更适合"中文有声书旁白"的 TTS 模型或生成方案。目标效果大概是： 普通话清晰，适合长时间听； 语速可控，不能太快； 情绪有层次，但不要戏剧化过头； 有自然停顿和叙述节奏； 能稳定处理较长旁白文本； 最好能通过 prompt / instruction 控制旁白风格。 想求助各位佬：有没有适合中文有声书旁白的 TTS 模型或方案推荐？ 1 个帖子 - 1 位参与者 阅读完整话题
有请彦祖
有请彦祖
有请彦祖