AI 替我做牛马的日常记录之寻找粤语TTS

最近想找一个粤语TTS，这需要整理 2024 年下半年以来中文 - 粤语 TTS 开源模型。现在这种货，当然是交给AI。

首先我找上了天工，跟它详细说明了需求：

“帮我整理目前能够有效实现中文 - 粤语 TTS 发音，并且发布日期在 2024 年下半年到目前为止的最新 TTS 开源模型，要附上 github 和 huggingface 地址。”

天工秒回，确认接收任务，还让我补充些信息，像调研报告题目、写作语言、篇幅啥的。

然后，它开始干活，主要是大量的搜索网页。

没过多久，天工就交活儿了。打开生成的《2024 下半年至今中文 - 粤语 TTS 开源模型调研报告》，引言部分把粤语 TTS 的需求和开源动向分析得头头是道。

接着看，从模型介绍到技术架构，再到优势局限，一应俱全。尤其总结与推荐部分，清晰列出总体发现和模型选型考量。像 Ekho（余音）和 IndexTTS 等模型，特点、适用场景都安排得明明白白。

从文档来看，它确实是非常规范的干活，如果你请的人不太懂AI，未必干的比它好。

当然，它也还有不足之处。比如，虽然洋洋洒洒整了一大篇，但是如果真正去了解，结论上的两个主要方案EKHO和IndexTTS并不是真正的SOTA模型（真正好的模型它确实没找到！）

用天工干这种活，基本上就是一句话，当然，你最好像吩咐手下一下，尽可能把要干的事情说完整说清楚，这是作为主人对AI应该有的责任。

不过，我回想了一下，如果能够给他提供一些思路，比如从找排行榜，比如先列出今年的新模型再逐个读模型说明，它也许可以表现得更好，这和吩咐人干活是一样的，你只说要什么结果的话，他的工作过程未必是最优的，但是如果你也懂点工作流程，告诉他一些技巧，他的表现显然会更好。

喜欢本文，请在右下角给我们点下“好看”