dots.tts 是一个开源的文本转语音（TTS）AI模型，由 rednote-hilab（小红书） 团队开发。简单说，它能把文字变成自然、清晰的人声，而且效果很强。

dots.tts 是目前开源里比较顶尖的“自然声音克隆机”，在多项评分下，dots.tts超越了前几代主流TTS模型，比如IndexTTS2、Qwen3-TTS等，中文/英文词错误率（WER）很低，声音相似度很高、多语言平均相似度最高（83.9）、语音克隆、自然度和情感表达都很强。特别适合想做出高质量、像真人说话的语音产品的开发者或爱好者。



主要特点

全连续、无离散 token：不像很多老模型那样把声音切成“碎片”处理，它全程用连续的音频信号处理，声音更自然、连贯，少了很多“机器味”。
参数 2B（20亿）：基于 Qwen2.5 等大模型架构，结合了语义编码器、LLM（大语言模型）和流匹配（flow-matching）技术。
高音质：支持 48kHz 高采样率，听起来更清晰细腻。
零样本/少样本语音克隆：只需几秒钟的参考音频（甚至不需要对应文字），就能模仿出很像的说话人声音，支持“延续克隆”（带文字参考）和纯音色克隆。
多语言强：在 24 种语言上表现优秀，尤其在中文、英文和粤语等场景领先，开源模型里说话人相似度（SIM）最高。
情感与稳定性好：生成稳定、自然，能表达一定情感，适合复杂句子。



应用领域

语音助手与对话系统：做更自然的 AI 语音交互（支持低延迟流式输出）。
内容创作：有声书、视频配音、播客、短视频自动配音。
个性化语音：游戏角色配音、虚拟主播、个性化语音克隆（比如帮老人“复刻”声音）。
多语言翻译与国际化：跨语言语音合成、语言学习工具。
无障碍辅助：文本朗读、辅助阅读工具。
研究与开发：TTS 研究者可以基于它继续改进或微调。




使用教程：（建议N卡，显存6G起，支持50系显卡）

包含两个版本
迅雷云盘为官方原版，支持单次语音克隆。只需要上传参考音频，输入参考音频文本（可选），输入合成文本内容，生成即可。
百度网盘和夸克网盘为二次开发版，支持单次和批量生成两种模式，支持音色管理。批量支持一次上传多个txt文档批量生成。

下载地址：点此下载