开发者发布开源 TTS 模型 Scylla's Band v4

2026 年 11 月 7 日 06:26，一位开发者在 Reddit 的 LocalLLaMA 版块发布了开源语音合成模型 Scylla's Band v4。该开发者自述该项目几乎由其单人耗时近一年完成，从零开始学习如何构建 TTS 模型，目标是做一个快速、体积小到可以在手机等移动端运行、支持多语言的语音合成模型。

功能方面，该模型除了语音合成，还支持歌唱生成。据该开发者介绍，演示视频中的语音与歌唱内容全部由模型生成，配乐和音效则不属于模型生成，是后来添加的。模型参数量约为 131M，另包含一个 30M 的 phonemizer，支持 14 种声音，摘要提到具备多语言能力。目前公开信息仅来自这一条发布帖，材料未提供其他渠道的独立验证。