# Hugging Apps 發布 wordvoice-tts 讓使用者能微調單字語音

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Hugging Apps (@HuggingApps) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-07-24

> 原始來源：https://x.com/HuggingApps/status/2080330151775072537

## 中文摘要

Hugging Apps 發布 wordvoice-tts 讓使用者能微調單字語音。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/f5a3cefdecda6377.png)
> 藍色背景上顯示標題「WordVoice Word-Level Controllable TTS」與副標題「Zero-shot TTS with explicit word-level prosody control」，左上方標有 ZeroGPU 字樣，正上方則有一個帶有說話圖示的人頭標誌。

**核心功能**
- 提供單字層級的精細控制，使用者能調整每一個單字的時長（dur）、音量（eng）、音高（pit）與語調（ton）。
- 支援零樣本聲音複製（zero-shot voice cloning），可使用預設或複製的聲音，並基於 CosyVoice3 進行自動駕駛（auto-pilot）生成或手動調整。
- 根據 [wordvoice-tts 示範介面](https://huggingface.co/spaces/hugging-apps/wordvoice-tts) 的操作畫面，處理流程分為 pass 1 的無標籤模型自動規劃，以及 pass 2 的控制標籤導引。

<video src="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1784871426177-s02ve341.mp4" poster="https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/66c7f4c3f0c19c3c.jpg" controls playsinline preload="metadata" style="max-width:100%;height:auto;display:block;margin:1rem 0"></video>
> 介面展示語音合成模型工具的操作畫面，將英文句子拆解為單字方塊並可調整音高與語調等控制標籤。

**技術規格與來源**
- 模型大小為 0.5B 的小型語音合成模型 [XXH333/WordVoice-base-0.5B](https://huggingface.co/XXH333/WordVoice-base-0.5B)。
- 基於 `FunAudioLLM/Fun-CosyVoice3-0.5B-2512` 進行開發，支援中文與英文。
- 採用 Apache-2.0 授權條款，並使用 `XXH333/WordVoice-5A` 資料集進行訓練。

## 媒體內容

**介面展示語音合成模型工具的操作畫面，將英文句子拆解為單字方塊並可調整音高與語調等控制標籤。**

**影片中的 Prompt 與操作**

操作步驟：

1. （00:00）顯示 pass 1 的語音合成介面，句子各單字排成方塊。
2. （00:03）切換至 pass 2，顯示單字方塊上的控制標籤（pit、ton、bnd、eng、dur）。

## 標籤

TTS, 開源專案, 新產品, Hugging Apps