cpu/gpu 高性能中英粤文本转语音 TTS

基于 Melotts 训练的粤语 english 、普通话 english 混合 TTS 模型 推理端采用 onnx-golang,普通 4 核 cpu 转换 30 秒音频只需 2 秒，普通 GPU 只需 0.5 秒，模型大小 170M ,功能还在完善中...，欢迎提出建议。 https://github.com/westice007/XWX_tts

建议搞个 web 前端

音色，语速，场景那些可以调整吗？

和语音克隆不一样，提前提供音色然后训练对应的模型，一个模型可以对应多个音色，语速 speed 做为推理参数输入，场景支持还没有。