微信扫码
添加专属顾问
我要投稿
探索字节跳动MegaTTS3技术,体验高质量声音克隆的神奇之旅。 核心内容: 1. MegaTTS3声音克隆技术介绍及其跨语言克隆能力 2. 安装和模型下载指南,以及音色克隆的具体操作步骤 3. 声音克隆安全考量与官方音色库资源分享
声音克隆质量非常高, 支持中英文, 并可跨语言克隆.
? 更新
[2025-04-06]⚒️: 发布 v1.0.0.
安装
cd ComfyUI/custom_nodes
git clone https://github.com/billwuhao/ComfyUI_MegaTTS3.git
cd ComfyUI_MegaTTS3
pip install -r requirements.txt
# python_embeded
./python_embeded/python.exe -m pip install -r requirements.txt
ComfyUI\models\TTS 路径下:[MegaTTS3](https://huggingface.co/ByteDance/MegaTTS3/tree/main) 整个文件夹全部下载放到 TTS 文件夹下.
MegaTTS3 文件夹中新建 speakers 文件夹, 从 [Google drive](https://drive.google.com/drive/folders/1QhcHWcy20JfqWjgqZX1YM3I6i9u4oNlr) 下载所有 .wav 和 .npy 文件, 放到 speakers 文件夹下.
(https://github.com/bytedance/MegaTTS3)- 效果演示. 前面是原声, 后面是克隆:
01
02
03
04
05
公众号后台聊天窗口回复 250406 获取.
明文视界 AI 资源站:
https://aiart.website/
明文视界 GitHub ComfyUI 节点项目:
明文视界仙宫云镜像:
无需本地部署, 和高显卡要求, 直接云端玩 AI.
https://www.xiangongyun.com/image/detail/a1cb959b-a750-4ce6-9418-3659906955d2?r=I9YXP1
使用教程: 明文视界仙宫云镜像使用教程
LIBLIB AI:
https://www.liblib.art/userpage/53a1edbdf5394aaba7028eff2aaec867
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-06-12
PaddleOCR 3.7 正式接入ONNX Runtime,一个参数换后端,轻量部署新选择
2026-06-11
本地部署OCR,可能是AI进单位的第一道门
2026-06-08
正式推出 Gemma 4 12B: 一款统一、免编码器的多模态模型
2026-05-30
还在用 MinerU 解析 PDF?这个 2B 小模型直接把 olmOCR-bench 刷到 87.6%,速度还快 3.68 倍
2026-05-30
Qwen-VLA:迈向通用具身智能的统一动作框架
2026-05-25
罗福莉说的“伪多Agent”,我试了OmniWork后发现,真全干专家长这样
2026-05-19
从画稿到代码,AI Agent 正在吃掉产品设计的中间环节
2026-05-16
PDF解析折腾半年,最后靠这套方案搞定了
2026-04-22
2026-04-01
2026-04-02
2026-03-18
2026-03-29
2026-03-15
2026-04-21
2026-04-27
2026-04-09
2026-03-31
2026-03-12
2025-12-31
2025-08-04
2025-05-26
2025-05-13
2025-04-08
2025-04-05
2025-03-30