來自 艾略特（@elliotchen100）的推文串

下午把@cartesia_ai 最新的Sonic 3 TTS 加到了TEN 這個TTS 用的是State Space Models (狀態空間模型) 架構 他們宣稱在速度，情感，表現力上都比傳統的transformer 訓練的TTS 模型更好 雖然支持中文，但我體驗下來，中文還是不夠道，美式中文的口音有點重 看來還是那句話，想要拉進距離，TTS 不能有一點口音，否則齣戲。也許，要做好TTS 真的還需要本地人來。