VoiceSculptor – 西工大联合语图智能等开源的音色设计模型

VoiceSculptor是什么

VoiceSculptor 是西北工业大学、语图智能等机构推出的音色设计模型，能通过自然语言指令实现对语音合成的细粒度控制。模型支持对音色的性别、年龄、语速、音调、音量和情感等属性进行灵活调整，结合检索增强生成（RAG）技术提升对复杂指令的理解能力。VoiceSculptor生成的音频可用于音色克隆，满足个性化语音合成、虚拟人声和交互式 AI 等应用场景的需求，推动语音合成技术向更高自由度和可控性发展。

VoiceSculptor的主要功能

• 自然语言控制音色生成：用户可通过自然语言指令描述期望的音色特征，如性别、年龄、语速、音调、情感等，实现高度定制化的语音合成。