ayousanz https://blog.hatena.ne.jp/ayousanz/ yousanのメモ https://ayousanz.hatenadiary.jp/ AI 初めに 開発環境 環境構築 リポジトリのクローン Python バージョンの固定 pyproject.toml の作成 依存関係のインストール 3.5B モデルを動かすための工夫 VRAM の問題 inference.py の修正 Windows の cp932 エンコーディング問題 推論の実行 中国語テキストの生成 英語テキストの生成 ボイスクローン 実行結果 初めに 今回は、Meituan が公開した拡散ベースのゼロショット TTS モデル LongCat-AudioDiT を使って、テキストから音声を生成する方法を紹介します。 LongCat-AudioDiT は、メルスペクトログラムを… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fayousanz.hatenadiary.jp%2Fentry%2F2026%2F04%2F13%2F012022" title="LongCat-AudioDiTの3.5Bモデルを使ってゼロショットTTSの推論をしてみる - yousanのメモ" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2026-04-13 01:20:22 rich https://ayousanz.hatenadiary.jp/entry/2026/04/13/012022 1.0 100%