Step-Audio-TTS-3B 是 Stepfun-AI 团队推出的高性能（TTS）模型，具有强大的语音合成能力。基于海量合成数据训练，参数量达到30亿，能生成自然流畅、富有表现力的语音。模型支持多种语言和方言，如中文、英语、日语以及粤语、四川话等，可通过情感控制生成不同情绪的语音，如喜悦、悲伤或愤怒。Step-Audio-TTS-3B 支持特殊韵律风格的语音合成，例如说唱风格，满足多样化场景需求。

Step-baidu09Audio-baidu09TTS-baidu093B – 高性能 TTS 模型，能生成特定情感和说唱风格的语音 第1张
（图片来源网络，侵删）
Step-baidu09Audio-baidu09TTS-baidu093B – 高性能 TTS 模型，能生成特定情感和说唱风格的语音 第2张
（图片来源网络，侵删）