参考音频与声音克隆对比
用于试听Irodori-TTS和Qwen3-TTS如何重现注册的参考声音,可同时播放参考音频与生成音频。
**源声音为VOICEVOX:小夜/SAYO。**先将小夜导出的日语WAV用于外部克隆网站,生成日英中韩4种参考音频,再注册到Irodori和Qwen生成。
用相同句子比较日语参考与输出语言相同的参考效果。Qwen为4参考×4输出共16种,Irodori为日语→日语1种。
声音克隆需要支持版。Qwen对话所需模型和加速组件见朗读引擎对比。
最初的小夜音频
源音频为VOICEVOX:小夜/SAYO(普通)导出的日语WAV。将其用于外部克隆网站,生成以下4种语言的参考音频。
原始小夜音频的文本
一緒に冒険しよう、絶対楽しいことが待ってるよ。えーっと、これでいいのかな、ちょっと心配だけど、やってみるね。ねえねえ、聞いて、ちょっとだけ秘密の話を教えてあげる。
使用的参考音频
4种参考音频都由上述小夜WAV在外部网站生成,日语参考也不例外。请试听并比较生成声音的相似程度。
| 参考语言 | 音频 | 时长 |
|---|---|---|
| 日语 | 6.60秒 | |
| 中文 | 7.37秒 | |
| 韩语 | 6.70秒 | |
| 英语 | 4.61秒 |
参考音频的文本与来源
日语:在外部网站以小夜WAV生成
そのアバター大好きです。どこで手に入れたんですか?私も使ってみたいです。
中文:在外部网站以小夜WAV生成
我很喜欢那个虚拟形象。请问是在哪里弄到的?我也想用用看。
韩语:在外部网站以小夜WAV生成
그 아바타 정말 마음에 드네요. 어디서 구하셨나요? 저도 한번 써보고 싶어요.
英语:在外部网站以小夜WAV生成
I love that avatar! Where did you get it? I’d like to use it too.
源声音:VOICEVOX:小夜/SAYO。本表音频以小夜为源在外部生成的参考音频注册到Irodori-TTS或Qwen3-TTS后合成。
日语:Irodori-TTS
生成文本:こんにちは。今日はどんな一日でしたか?
注册日语参考音频后生成的声音。
Qwen3-TTS:4种参考×4种输出语言
同一输出语言使用相同文本与随机种子,并突出显示相同语言的参考。
说日语
生成文本:こんにちは。今日はどんな一日でしたか?
| 参考语言 | Qwen3-TTS生成音频 |
|---|---|
| 日语(相同语言) | |
| 中文 | |
| 韩语 | |
| 英语 |
说中文
生成文本:你好。你今天过得怎么样?
| 参考语言 | Qwen3-TTS生成音频 |
|---|---|
| 日语 | |
| 中文(相同语言) | |
| 韩语 | |
| 英语 |
说韩语
生成文本:안녕하세요. 오늘 하루는 어땠나요?
| 参考语言 | Qwen3-TTS生成音频 |
|---|---|
| 日语 | |
| 中文 | |
| 韩语(相同语言) | |
| 英语 |
说英语
生成文本:Hello. How was your day today?
| 参考语言 | Qwen3-TTS生成音频 |
|---|---|
| 日语 | |
| 中文 | |
| 韩语 | |
| 英语(相同语言) |
生成条件
各条件以种子41001生成一次。Irodori-TTS为4步、日语参考;Qwen3-TTS为0.6B Base Q8_0、NVIDIA CUDA。使用与应用相同的注册和合成服务,转为单声道64kbps MP3。
4种参考文本含义相同,但时长和发音也有差异,不能将结果差异只归因于参考语言。请分别比较可识别度、发音、相似程度和噪声。本组未计入原有速度及错误率统计。
源声音:VOICEVOX:小夜/SAYO(普通)。小夜官网。