Vocos
一种基于卷积神经网络的高效声码器，可将mel频谱图快速转换为高质量音频波形，常用于语音合成任务。
时间轴 (近 90 天)
SteerTTS-edge的声码器为620万参数的Vocos风格模型，从charactr/vocos-mel-24khz蒸馏而来，同样采用int4 QAT。
SteerTTS edge 的声码器是 6.2M 参数的 Vocos 风格模型，从 charactr/vocos-mel-24khz 蒸馏而来，并做了 int4 QAT。
SteerTTS是一个仅23M参数（含冻结的Vocos声码器）的TTS模型项目，由Reddit用户发布。
SteerTTS采用FastPitch风格的显式方差建模，音素先经过编码器，由时长、音高、能量三个预测器分别输出控制量，再通过长度调节器对齐，最终解码为100频带log-mel谱，交由冻结的Vocos声码器合成波形。
SteerTTS模型总参数为9.6M声学部分加13.5M Vocos声码器，精炼器额外增加17.6M。
全部知识事实 (5)
SteerTTS edge 的声码器是 6.2M 参数的 Vocos 风格模型，从 charactr/vocos-mel-24khz 蒸馏而来，并做了 int4 QAT。
50%待验证SteerTTS-edge的声码器为620万参数的Vocos风格模型，从charactr/vocos-mel-24khz蒸馏而来，同样采用int4 QAT。
50%待验证SteerTTS是一个仅23M参数（含冻结的Vocos声码器）的TTS模型项目，由Reddit用户发布。
50%待验证SteerTTS采用FastPitch风格的显式方差建模，音素先经过编码器，由时长、音高、能量三个预测器分别输出控制量，再通过长度调节器对齐，最终解码为100频带log-mel谱，交由冻结的Vocos声码器合成波形。
50%待验证SteerTTS模型总参数为9.6M声学部分加13.5M Vocos声码器，精炼器额外增加17.6M。
50%