好了,这里聊聊我的 MIO TTS 语音。简单来说,就是我想给我的 OpenClaw 智能体找一个好听的德语女声进行语音输出,但无论怎么努力都找不到。于是,我启动了我的整套流水线,利用 Qwen3-TTS 的 Sohe 声音生成了一个 18 小时的数据集。基本上就是让这个声音把我的整本小说读了一遍。我创建了这个数据集,然后经过 1300 多个 epoch 的训练,搞出了一个 Piper TTS 语音模型。这个模型的优点是:A) 听起来自然且清晰,B) 通过 Piper TTS 运行速度极快且占用资源极低。你们知道的,Piper TTS 几乎在任何“烤面包机”级别的设备上都能跑。随文附上我上传这些内容的链接,包括模型和数据集。