随着人工智能的不断进步，文本转语音（TTS）技术已经成为我们日常生活中不可或缺的一部分。 从语音助手到有声读物，再到角色配音，TTS 的应用场景日益广泛。 然而，尽管市面上已有众多 TTS 模型...

DiffSynth 是一个新的扩散引擎。我们重构了文本编码器、UNet、VAE等架构，保持与开源社区模型的兼容性，同时增强计算性能。该版本目前处于初始阶段，支持SD和SDXL架构。未来，我们计划基于这个...

Step - Audio - EditX 是由阶跃星辰（StepFun）开发的全球首个开源 LLM 级音频编辑大模型，它基于 30 亿参数的 LLM 架构，凭借统一的 LLM 框架而非多模块拼接方案，实现文本驱动的音频创作，能...