SupraTTS-0.1-Beta 英文TTS模型
基于 Glow-TTS 改进时长预测、对齐与声码器训练。
为什么重要
为英文单说话人 TTS 提供了可下载的改进版基线模型。
阅读原文huggingface.co
AI 解读（根据原文生成）
SupraTTS-0.1-Beta 是 SupraLabs 发布的英文单说话人 TTS 模型，使用 Glow-TTS，在 Coqui-TTS 中从零开始用 LJSpeech 训练。相较 Flare-TTS-v1.5，它修复学习率调度问题，加入输入间空白 token，用 VITS 的随机时长预测器替换确定性方案，并使用 bf16、Super-MAS Triton kernel 与从头训练更久的 HiFi-GAN 声码器。模型卡和权重可在 Hugging Face 获取。
要点（AI 据原文整理，数字均已与原文核对）
- SupraTTS-0.1-Beta is an English single-speaker TTS model.
- ~29.6M parameters (acoustic model) + HiFi-GAN v1 vocoder (~14M).
- Architecture: Glow-TTS (12 flow blocks, 192 hidden channels, rel-pos-transformer encoder, 6 layers).
- Sample rate: 22050 Hz, 80 mel bands.
- Evaluated on 10 out-of-domain sentences + 10 held-out LJSpeech sentences, 5 seeds each.
