開發者釋出開源 TTS 模型 Scylla's Band v4

2026 年 11 月 7 日 06:26，一位開發者在 Reddit 的 LocalLLaMA 版塊釋出了開源語音合成模型 Scylla's Band v4。該開發者自述該專案幾乎由其單人耗時近一年完成，從零開始學習如何構建 TTS 模型，目標是做一個快速、體積小到可以在手機等移動端執行、支援多語言的語音合成模型。

功能方面，該模型除了語音合成，還支援歌唱生成。據該開發者介紹，演示影片中的語音與歌唱內容全部由模型生成，配樂和音效則不屬於模型生成，是後來新增的。模型引數量約為 131M，另包含一個 30M 的 phonemizer，支援 14 種聲音，摘要提到具備多語言能力。目前公開資訊僅來自這一條釋出帖，材料未提供其他渠道的獨立驗證。