首页 注册 登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
V2EX  ›  Moear  ›  全部回复第 1 页 / 共 1 页
回复总数  18
2 小时 40 分钟前
回复了 Moear 创建的主题 › 分享创造 › 写了个 I 站批量下载的 GUI 小工具，单作者/播放列表全搬运
@iamnottsh 因为这相当于要整套重写前端 ui 代码了 不过你要是有精力的话可以考虑让 llm vibe 一个 Python Flet 版本的出来
2 小时 41 分钟前
回复了 Moear 创建的主题 › 分享创造 › 写了个 I 站批量下载的 GUI 小工具，单作者/播放列表全搬运
@iamnottsh 那没有,做不了一点
2 小时 42 分钟前
回复了 digiplanp 创建的主题 › 分享创造 › 做了一个专门翻译漫画图片文字的小工具，分享下实现思路
漫画翻译有开源项目的 本地就能直接部署
https://github.com/MashiroSaber03/Saber-Translator
https://github.com/mayocream/koharu
9 小时 11 分钟前
回复了 Moear 创建的主题 › 分享创造 › 写了个 I 站批量下载的 GUI 小工具，单作者/播放列表全搬运
@iamnottsh 为什么要有网页版.....pyside6+nuikta 编译后的性能比网页端好太多了
14 小时 45 分钟前
回复了 Moear 创建的主题 › 分享创造 › 写了个 I 站批量下载的 GUI 小工具，单作者/播放列表全搬运
@yeqizhang
i 站哪有字幕下载....
2025 年 12 月 18 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@Hansah cosyvoice 最长大概 20s 左右吧 单句过长了会自动截断分成若干个任务,然后分开跑,当然你也可以自行截断(在文本编辑页面换行 然后丢到计划任务里面去), 程序在最后提供了 FFmpeg 一键合成音频的方式,此时从理论上来说无限长度 控制符可以看一下 23 楼的那个回答
2025 年 12 月 18 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@Hansah 那玩意阿里巴巴没开源😭只开源了 0.5b 参数量的版本
2025 年 12 月 17 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@MindMindMax 苹果大带宽的内存跑 ai 啥的还是挺香的😂
2025 年 12 月 17 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@shuxge1223 理论来说用精细控制模式可以做到 但我没咋用过这个精细控制模式
需要额外打标的,标签可以在 https://github.com/FunAudioLLM/CosyVoice/blob/a7d6e2251adb64f7cef595c5c71c5763cb1d162b/cosyvoice/tokenizer/tokenizer.py 里面找到,不过我目前就做了几个简单的打标快捷键,其他的 cosyvoice3 新增的暂时还没拉上来😂
![]( https://raw.githubusercontent.com/Moeary/pic_bed/main/img/202512171832357.png)
![]( https://raw.githubusercontent.com/Moeary/pic_bed/main/img/202512171833035.png)
![]( https://raw.githubusercontent.com/Moeary/pic_bed/main/img/202512171834875.png)
![]( https://raw.githubusercontent.com/Moeary/pic_bed/main/img/202512171834808.png)
2025 年 12 月 17 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@MindMindMax 我自己的显卡是 4070m(笔记本 当做 4060ti 8gb 版本就行了) rtf(Real-Time Factor ，实时因子)大致在 0.8~1.6(越低越好 说明推理数值越快 rtf 是 1 的话就说明显卡花 1s 的算力可以推理出 1s 的音频来) 纯靠 cpu 的话我用 q1hy(13900hk es)的 rtf 大概是 10,30s 时间能推理出 3s 的音频来
2025 年 12 月 17 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@Xhack 可以自行找一段 Moss 的 3s 到 10s 的无底噪的音频截取下来,来源可以是在 b 站搜一下[ [流浪地球①] MOSS/550W 语录/语音集 （自存）] 作为参考音频推理使用 现在的 tts 模型基本都支持了这种无训练方式复刻音色的功能了
2025 年 12 月 17 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@Frankcox 官方的暂时没有😂他只给了一个训练的 train.py 脚本,就是得自己改代码了
2025 年 12 月 16 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@Bantes 仁者见仁智者见智 可能是你对 tts 不感兴趣吧
2025 年 12 月 16 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@Frankcox 不知道 建议问问别人 gptsovits 没咋用过
2025 年 12 月 16 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@noming 零样本复刻模式/修复模式下必须要填参考文本+参考音频(参考文本一定得是参考音频的完整文字部分) 指令模式/精细控制下必须要填参考音频
2025 年 12 月 16 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@noming 不用找额外的示例文件 只需要使用指令模式 然后在后面的指令文本框里面输入使用方言(四川话 粤语 东北话之类的)就能输出方言了
2025 年 12 月 16 日
回复了 Moear 创建的主题 › 分享创造 › 阿里巴巴 CosyVoice3-0.5b 开源了! 现邀请你来体验我做的 Windows 端本地 TTS 工具 3s 音频即可复刻音色 4gb 低显存占用!
@root71370 可以考虑一下[FunASR]( https://github.com/modelscope/FunASR) 里面带了很多 asr 模型可以直接导入使用,正好昨天新出了一个 FunASR nano 模型来着 做中文识别很不错,可惜暂时还不支持时间戳功能
2025 年 12 月 1 日
回复了 Moear 创建的主题 › 分享创造 › 为了优雅地斗图，我花 2 小时写了一个「恶俗企鹅 / 高雅人士」表情包生成器
@klo424 那老哥的圈子可能确实年龄有点大了😂
关于   ·   帮助文档   ·   自助推广系统   ·   博客   ·   API   ·   FAQ   ·   Solana   ·   1418 人在线   最高记录 6679   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 19ms · UTC 16:58 · PVG 00:58 · LAX 08:58 · JFK 11:58
♥ Do have faith in what you're doing.