新加坡科技设计大学的DeCLaRe实验室和英伟达开源的一款超快文本转音频模型：TANGOFLUX 
在A40 GPU上3.7秒可生成30秒音频 
可输出44.1kHz立体声 
支持长音频，可生成最长30秒的音频。有 Google Colab的quickstart。 


 [image]