小红书发布统一语音生成与编辑模型 FireRedTTS3
FireRedTTS3 让一个模型同时搞定克隆、设计、编辑三种语音需求，靠的是语义增强的表示，值得关注。
FireRedTTS3 用一个模型实现多语言音色克隆、文本描述生成声音和局部语音编辑。其核心是 RedAE 表示，通过语义教师蒸馏让连续表示自带语义信息，避免误差累积，在音色相似度和语言覆盖上达到领先水平。
正文摘录
.jpg)  小红书 FireRed 团队发布新一代语音生成与编辑模型 FireRedTTS3。它用同一个模型打通了语音的三大能力——多语言、多方言的零样本音色克隆，用自然语言「描述」就能定制的声音设计，以及「哪里不满意改哪里」的精准语音编辑，并在四大公开评测集上全面达到行业领先水平。 - 论文标题：FireRedTTS3: Unified Speech Generation and Editing with Semantically Enriched Speech Representations - 技术报告：https://arxiv.org/abs/2608.17492 - Demo 链接：https://fireredteam.github.io/demos/fireredtts3/ - 代码链接：https://github.com/FireRedTeam/FireRedTTS3 给它几秒钟你的声音，它就能用「你」说 24 种语言、21 种中文方言；给它一句话描述，它能凭空「捏」出一个从不存在的声音；给它一段现成的语音，它能像改文档一样，只动你圈出来的那一处，其余分毫不改、音色不飘。