https://blog.jiaqiguo.xyz/tags/tts/ Recent content in TTS on Jiaqi Hugo zh-cn Wed, 15 Jul 2026 10:30:00 +0800 https://blog.jiaqiguo.xyz/posts/speech-tokenizer/ Wed, 15 Jul 2026 10:30:00 +0800 https://blog.jiaqiguo.xyz/posts/speech-tokenizer/ 语音 token 是 TTS 的地基，却常被一笔带过。这篇拆开这台『造币厂』：语义 vs 声学的根本矛盾、VQ/RVQ/FSQ 三种量化、把语义塞进第 0 个码本的关键一招，以及『更低帧率、更少码本』的新潮流——从 EnCodec、SpeechTokenizer、Mimi、CosyVoice、X-Codec2 一路看到 Qwen3-TTS 的两个 tokenizer。 https://blog.jiaqiguo.xyz/posts/qwen3-tts/ Thu, 09 Jul 2026 11:50:00 +0800 https://blog.jiaqiguo.xyz/posts/qwen3-tts/ 又快又稳又像又可控——TTS 的几个目标总在互相拉扯。拆解 Qwen3-TTS 的答卷：双轨 LM 主干、两个各有取舍的语音 tokenizer（25Hz 长文本 vs 12Hz 97ms 首包）、一句话造音色的指令控制，怎么从 Qwen3 权重经三段预训练加 DPO → GSPO 后训练练出来，以及它和 CosyVoice、ElevenLabs 们比起来站在哪。