TTS 模型单次能生成 90 分钟的多人对话音频，ASR 模型单次处理 60 分钟音频无需切片，如果你需要长音频转录或实时语音合成，目前开源领域没有比它更强的～

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。