“Datawhale AI夏令营” 学习笔记

关键要点总结

1. 音色克隆深度优化

   • 用 WavLM/HuBERT 替代传统编码器 → 捕捉更细粒度声纹特征
   • 噪声+变调增强训练 → 提升复杂场景鲁棒性

2. 三级容错架构

   • XTTS(冲分) → Edge TTS(保自然度) → pyttsx3(保底)
   • 优先级逐级下降，确保任何情况下均有输出

3. 工程细节决定成败

   • 预处理消除输入噪声干扰
   • 后处理保证输出格式规范
   • 重试机制应对服务不稳定