最近想做写儿童睡前故事相关视频或者绘本，图片搞定了，需要文本转语音，尝试了一些方案感觉效果都一般般，刚好最近 mimo-v2-tts 免费用，就在 miclaw 里面生成了一段龟兔赛跑的语音，效果竟然还不错，对比剪映、edge-tts 感觉效果还要好一些，就是有时候风格控制的不够准确，如果后续支持克隆音色就好了。 官方提供 OpenAI / Anthropic 格式 api 调用，撸了个简单的 ui 界面，大家有需要的可以试试。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。