Hlas-1

在 3.5B 开放权重模型中实现富有表现力且可控的语音

Hlas-1 是一款 3.5B 开源权重的文本转语音模型，支持耳语、笑声、哭泣等富有表现力的演绎，并可通过内联标签控制情绪与语速。它能从短参考音频克隆声音，生成 24 kHz 多语言语音并支持流式运行。该模型基于 Breeze TTS 2 构建，可免费用于研究及非商业用途。