清华大学与巨人网络联合首创多方言语音合成框架，数据代码方法全开源_知识

创始人

2025-10-15 14:44:23

10月15日消息，巨人网络 AI Lab 与清华大学电子工程系 SATLab 的研究团队联合首创多方言语音合成大模型框架 DiaMoE-TTS ，数据代码方法全开源，借此推动方言语音合成的公平与普惠。

在当今大模型引领的语音合成时代，通用 TTS 系统已展现出令人惊叹的能力，但方言 TTS 依然是相关从业者难以触及的“灰色地带”。现有的工业级模型往往依赖巨量专有数据，这让方言 TTS 从业者和研究者几乎无从下手：缺乏统一的语料构建方法，更缺乏一个可实现多语言的端到端开源框架。

双方联合首创的 DiaMoE-TTS ，这是一个在一定程度上媲美工业级方言 TTS 模型的开源全套解决方案。他们基于语言学家的专业经验，构建了一个统一的 IPA 表达体系，并且在仅依赖开源方言 ASR 数据的前提下提出这一方案。

在推出广东话、四川话、上海话等中文方言版本之前，研究团队已在英语、法语、德语、荷兰比尔茨语等多语种场景中进行过验证，确保该方法具备全球范围内多语言的可扩展性与稳健性。

巨人网络 AI Lab 与清华大学电子工程系 SATLab 希望借此推动方言语音合成的公平与普惠，让任何研究者、开发者乃至语言文化保护工作者都能自由使用、改进与扩展这一框架；让小众语言与方言的声音不再被淹没在通用大模型的洪流中，而能通过开源的力量被更广泛地听见与传承。