Raon-OpenTTS-1B初体验：KRAFTON开源1B零样本语音克隆TTS，性能比肩闭源SOTA-港品优选

Raon-OpenTTS-1B初体验：KRAFTON开源1B零样本语音克隆TTS，性能比肩闭源SOTA

【免费下载链接】Raon-OpenTTS-1B项目地址: https://ai.gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1B

Raon-OpenTTS-1B 是 KRAFTON 开源的零样本文本转语音（TTS）与语音克隆系统：仅需 10 亿参数，就在主流基准上比肩顶尖闭源模型。它不仅开放权重，还放出了 51 万+ 小时训练数据，是目前最完整的开源语音合成方案之一。本文带你快速了解它的核心亮点、模型参数与上手体验。

Raon-OpenTTS-1B 是什么：零样本语音克隆模型的核心亮点

Raon-OpenTTS-1B 基于 F5-TTS 的 DiT（Diffusion Transformer）架构，采用流匹配（flow matching）技术实现高效的零样本语音合成——给一段几秒的参考音频，就能克隆出该声音的音色、情绪与说话风格。

1. 🎯 全开放、可复现

模型权重 + 11 个英文数据集共 615K 小时训练数据全部公开
使用经 DNSMOS / WER / VAD 三重质量过滤的 Raon-OpenTTS-Core（510.1K 小时）训练

2. 🏆 性能比肩闭源 SOTA

在 Seed-TTS-Eval 与 CV3-Eval 上，WER 与 SIM 均位列近期零样本 TTS 模型第 1、2 名
匹敌使用"数百万小时"专有数据训练的系统

3. 🌪️ 跨声学环境稳健

在自建 Raon-OpenTTS-Eval（Clean / Noisy / Wild / Expressive 四种场景）中取得最佳平均 WER 与 SIM

Raon-OpenTTS-1B 完整参数：模型详情一览

项目	内容
参数量	1048M（1B）
架构	DiT（Diffusion Transformer），基于 F5-TTS
架构参数	dim=1408，depth=28，heads=24，text_dim=512，conv_layers=4
训练数据	Raon-OpenTTS-Core（510.1K 小时英文语音）
训练步数	520K 更新
训练硬件	48 块 NVIDIA B200 GPU
音频规格	80 维 mel 谱，16kHz，hop=256
声码器	HiFi-GAN（speechbrain/tts-hifigan-libritts-16kHz）

以上配置对应仓库中的config.yaml文件，其中定义了模型名称、DiT backbone 架构、mel 谱与声码器等关键信息，可自行查看核对。

零样本 TTS 基准对比：距离闭源 SOTA 有多近？

Seed-TTS-Eval（精选）

模型	参数	WER (%) ↓	SIM ↑
Seed-TTS（闭源）	-	2.25	0.762
CosyVoice 3	1.5B	2.21	0.720
Qwen3-TTS	1.7B	1.46	0.715
F5-TTS	0.3B	2.04	0.671
Raon-OpenTTS-1B	1.0B	1.78	0.749

SIM 表示与参考音频的相似度，越高说明克隆越像。人类基线为 0.734——Raon-OpenTTS-1B 的 0.749 甚至超越了真人水平。

CV3-Eval（精选）

模型	CV3-EN WER ↓	CV3-Hard-EN WER ↓	SIM ↑	DNSMOS ↑
CosyVoice 3	4.96	10.77	0.740	3.98
Qwen3-TTS	4.52	7.89	0.666	3.87
Raon-OpenTTS-1B	3.92	6.15	0.775	3.85

可以看出：1B 规模、全开放数据训练出来的 Raon-OpenTTS-1B，在准确率与音色相似度上全面领先多数开源模型，与闭源旗舰同档。

快速下载与体验：模型仓库文件说明

仓库主要包含以下文件：

文件	说明
`model_520000.pt`	模型权重（520K 步训练产出）
`config.yaml`	模型配置（DiT 架构参数、mel 谱与声码器设置）
`vocab.txt`	文本分词器词表
`README.md`	官方文档：功能亮点、基准测试、模型详情

克隆仓库即可获取全部模型文件：

git clone https://gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1B

推理代码与完整使用教程请参考 KRAFTON 官方的 Raon-OpenTTS 代码仓库（README.md的 Inference 章节有指引说明）。

许可证与使用注意事项 ⚠️

⚖️ 许可证为CC BY-NC 4.0：需署名，且仅限非商业用途，商用前请确认
🗣️ 当前版本聚焦英文语音合成
📊 在 Raon-OpenTTS-Eval 综合评测中以 Overall WER 2.81 / SIM 0.695 全面领先 F5-TTS、CosyVoice 2/3 等开源模型

总结

Raon-OpenTTS-1B 用"全开放数据 + 1B 参数"证明了开源零样本语音克隆可以比肩闭源 SOTA。无论你是做 TTS 研究、语音克隆实验，还是个人项目，它都是当下最值得尝试的开源文本转语音模型之一——克隆仓库、按官方代码仓库的指引跑通推理，即可开始体验。

【免费下载链接】Raon-OpenTTS-1B项目地址: https://ai.gitcode.com/hf_mirrors/KRAFTON/Raon-OpenTTS-1B

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析