原文:https://mp.weixin.qq.com/s/EeEYsOI4OOMZJKjmKZ4ZIg
OpenAudio S1来袭！零依赖、高精度多语言TTS模型登顶TTS-Arena2
fish-speech 是一个基于SOTA技术的开源文本转语音（TTS）工具。简单讲，它能将文字高效转换为自然流畅的语音，支持高质量语音合成。适用人群：语音技术开发者、AI研究人员及需要语音合成应用的开发者。
项目地址：https://github.com/fishaudio/fish-speech
主要语言：Python
stars: 23.5k
主要信息
- 项目重命名：Fish Speech 已更名为 OpenAudio，在此基础上推出了全新的先进文本转语音（TTS）模型系列。首个模型 OpenAudio - S1 发布，有 OpenAudio - S1 和 OpenAudio - S1 - mini 两个版本。OpenAudio - S1 可在 Fish Audio Playground 使用，OpenAudio - S1 - mini 可在 Hugging Face 使用。
- 文档与使用指南：提供了详细的官方文档，涵盖 安装、微调、推理 和 示例 等方面的内容，方便用户快速上手。
- 许可证：代码基于 Apache License 发布，所有模型权重基于 CC - BY - NC - SA - 4.0 License 发布。
优势亮点
- 优秀的 TTS 质量：使用 Seed TTS 评估指标进行评估，在英文文本上，OpenAudio S1 的单词错误率（WER）达到 0.008，字符错误率（CER）达到 0.004，显著优于之前的模型。
- TTS - Arena2 排名第一：OpenAudio S1 在 TTS - Arena2 基准测试中获得第一名。
- 语音控制功能：支持多种情感、语气和特殊标记，可增强语音合成效果。目前支持英语、中文和日语，未来将支持更多语言。
- 两种类型的模型：OpenAudio - S1 是全功能旗舰模型，有 4B 参数；OpenAudio - S1 - mini 是核心功能蒸馏版本，有 0.5B 参数。两个模型都采用了在线人类反馈强化学习（RLHF）。
核心功能
- 零样本和少样本 TTS：输入 10 到 30 秒的语音样本，即可生成高质量的 TTS 输出。
- 多语言和跨语言支持：支持英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语等多种语言，用户只需将多语言文本复制粘贴到输入框即可。
- 无需音素依赖：模型具有强大的泛化能力，不依赖音素进行 TTS，可处理任何语言脚本的文本。
- 高精度：在 Seed - TTS 评估中，字符错误率（CER）约为 0.4%，单词错误率（WER）约为 0.8%。
- 快速合成：通过 torch compile 加速，在 Nvidia RTX 4090 GPU 上实时因子约为 1:7。
- WebUI 推理：提供基于 Gradio 的易于使用的 Web UI，兼容 Chrome、Firefox、Edge 等浏览器。
- 易于部署：可轻松设置推理服务器，原生支持 Linux 和 Windows 系统，未来将支持 macOS，且能最小化性能损失。
应用场景
- 有声读物制作：可以将各种语言的书籍内容快速转换为高质量的语音，为用户提供更好的听书体验。
- 语音导航：在导航系统中，使用多语言支持功能为不同语言背景的用户提供语音导航服务。
- 智能客服：利用情感和语气标记，使客服语音更加生动、亲切，提升用户与客服交互的体验。
- 教育领域：将教学资料转换为语音，方便学生通过听的方式学习，尤其是对于视力障碍学生。
Chat UI：对接多API的聊天界面，快速搭建攻略大揭秘
项目地址：https://github.com/huggingface/chat-ui
主要语言：TypeScript
stars: 9.9k
https://huggingface.co/datasets/huggingface/documentation-images/resolve/main/chat-ui/chat-ui-2026.png
仓库简介
Chat UI 是一个用于大语言模型（LLMs）的聊天界面，它是一个 SvelteKit 应用程序，为 HuggingChat 应用 提供支持。该应用仅支持通过 OPENAI_BASE_URL 和 /models 端点与 OpenAI 兼容的 API。
主要优势
- 兼容性强：支持多种与 OpenAI 协议兼容的服务，如 llama.cpp server、Ollama、OpenRouter 等。
- 易于部署：提供了快速启动的步骤，支持使用 Docker 容器化部署。
- 可定制性高：可以通过环境变量自定义应用的外观和功能，如主题、模型配置等。
可能的应用场景
- 个人使用：用户可以在本地或使用云服务搭建自己的聊天界面，与各种大语言模型进行交互。
- 团队协作：团队可以使用 MongoDB Atlas 等托管服务，方便地部署和管理聊天界面。
- 产品开发：开发者可以基于 Chat UI 进行二次开发，将其集成到自己的产品中。
快速启动步骤
- 创建
.env.local文件：设置OPENAI_BASE_URL和OPENAI_API_KEY，并根据选择的数据库选项填写MONGODB_URL。 - 选择数据库：可以选择使用 MongoDB Atlas 托管集群或本地容器。
- 安装并启动开发服务器：克隆仓库，安装依赖，启动开发服务器。
数据库选项
- MongoDB Atlas（托管）：创建免费集群，添加网络访问权限，创建数据库用户，复制连接字符串并粘贴到
.env.local中。 - 本地 MongoDB（容器）：使用 Docker 运行 MongoDB 容器，并设置
MONGODB_URL。
启动应用
配置环境变量后，使用 npm install 安装依赖，然后使用 npm run dev 启动开发服务器。
可选的 Docker 镜像
可以使用 Docker 容器化部署 Chat UI，只需提供 MongoDB URI 和相关环境变量。
额外参数
- 主题定制：可以使用环境变量自定义应用的名称、资产和数据共享选项。
- 模型配置：通过
OPENAI_BASE_URL配置模型，Chat UI 会自动获取模型列表。 - LLM 路由（可选）：可以使用客户端路由功能，选择最佳的路由和模型。
构建生产版本
使用 npm run build 创建生产版本，使用 npm run preview 预览生产版本。部署应用时，可能需要安装目标环境的适配器。
