Breeze TTS 2 是一个开源的文本转语音TTS模型支持语音设计、语音克隆和语音定向三个功能。它在开源权重模型中排名第一Artificial Analysis TTS 排行榜甚至在某些方面超过了闭源商业系统。简单来说你给它文字它就能生成自然、富有感情的人声。特别厉害的是它能听懂自然语言指令让你像“导演”一样控制声音。它是一个又快、又灵活、又能听懂指令的高质量开源语音生成模型特别适合需要“实时互动 高度可控声音”的场景。主要特点声音克隆Voice Clone给一段干净的参考音频 对应的文字稿就能高度还原那个人的音色、节奏、情绪和说话风格。声音设计Voice Design不需要参考音频直接用自然语言描述想要的声音比如“一个温暖、沉稳、年轻的女性声音清晰、语气平静”模型就能凭空创造出符合描述的独特声音。声音指导Voice Direction在克隆某个声音的同时还能额外指挥它的表现方式。例如“用缓慢、克制、严肃的语气说”既保留原声音身份又能灵活调整情绪、语速和风格。支持表情和动作音效可以在文字里直接插入提示比如英文用 (laugh)、(sigh)、(cough)中文用 [笑]、[叹气]、[咳嗽]让语音更生动自然。超低延迟 实时流式生成首音延迟可低至 40 毫秒以内H100 显卡优化后生成速度约是实时的 3 倍非常适合需要即时响应的场景。中英双语支持一个模型就能自然生成英语和中文语音。应用领域语音助手 / AI 对话机器人实时、自然、可控制情绪的回复。有声书 / 播客 / 视频配音快速生成多角色、多情绪的旁白。游戏 / 虚拟角色动态生成符合角色性格和当前剧情的对话。内容创作短视频、广告、教育课程的快速配音。无障碍辅助把文字实时转成自然语音。使用教程建议N卡显存8G起支持50系显卡包含主程序压缩包和模型checkpoints 文件夹下载解压主程序后将模型checkpoints 文件夹移动到主程序目录下即可。支持语音设计、语音克隆和语音定向三个功能语音设计输入一段需要生成的文字和描述内容比如一位温柔自信的年轻女性声音清晰语气亲切表达轻快而富有感染力支持插入[笑]、[叹气]、[咳嗽]、[清嗓子]等副语言标签点击生成即可语音克隆上传参考音频输入合成文字内容点击生成即可语音定向输入需要合成的文字内容上传参考音频输入定向指令比如以克制、严肃的语调缓缓道来点击生成即可。下载地址点此下载