待验证50% 置信事实精确时间

SteerTTS edge 支持 50 个风格标签和内联标记（如 [pause 400ms]、<slow>、<whisper>），可在文本中直接控制停顿、语速和耳语风格。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/22

首次发现

有效期至：2027/1/20

来源

11.84MB可调控TTS模型发布：WER不变，UTMOS仅降0.1

涉及实体

SteerTTS edgeproduct

相关事实

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。65% 相似待验证SteerTTS的Voicebox风格提示变体支持声音克隆。63% 相似待验证端侧TTS需在用户说完后200-500ms内开始语音反馈才能保持对话流畅感，要求模型以流式方式逐帧生成音频61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1087457

API

curl https://kongchang.com/api/v1/knowledge/claims/1087457

MCP

get_claim(id=1087457)