以下是一些好用的移动端对话模型：
1.✅对话式TTS：ChatTTS针对对话式任务进行了优化，实现了自然流畅的语音合成，同时支持多说话人。2.✅细粒度控制：该模型能够预测和控制细粒度的韵律特征，包括笑声、停顿和插入词等。3.✅更好的韵律：ChatTTS在韵律方面超越了大部分开源TTS模型，并提供预训练模型。4.❌模型稳定性：自回归模型存在稳定性不足的问题，可能会出现声音突然变成其他人的声音，或者音质突然变差，可以通过多次尝试来寻找更好的音频效果。5.⭕️情感控制：目前发布的模型版本中，情感控制仅限于笑声（[laugh]）以及一些声音中断（[uv_break],[lbreak]）。作者计划在未来的版本中开源更多情感控制的功能。几天前，我们还需要在本地和云端安装环境才能运行ChatTTS，玩法较为复杂。如今，陆续出现了在线网站和本地增强整合包。这里给大家介绍一下玩法，首先是网站：我们直接访问https://chattts.com/
但是人的自然对话需要10个tokens每秒左右，但使用场景中你需要展示出来，大家需要规划10个tokens。所以看起来，即使是CPM这样的小模型，即使在考虑到背景的情况下，也不能在端上做出非常好的自然阅读速度的生成。编者按：2月1日，面壁智能发布了旗舰端侧模型MiniCPM，它以小博大的性能超越了Mistral-7B，并在MT-Bench等榜单上表现出色。MiniCPM是一款能说会看、具备编程能力、拥有多模态能力的端侧模型。它不仅在性能上优秀，而且具有极低的成本，支持CPU推理。MiniCPM开源，并已在主流移动操作系统上进行了适配和测试。手机的使用场景方面，虽然在research paper上说可以用，但是在需要考虑耗电和速度的时候，它似乎并没有那么吸引人。所以如果厂家在手机上做这个生文功能，如果不能提供足够的不同的价值，其实还是挺没有吸引力的。因为它会快速耗尽你的电量，这是一个非常严重的问题。同时，需要的内存会变卡顿。而且，如果这个功能不能关闭，那它有什么意义呢？
gpt-3.5-turbo和text-davinci-003两个模型拥有相似的能力，但前者的价格只是后者的十分之一，在大部分情况下，我们更推荐使用gpt-3.5-turbo。对于许多开发者来说，转换就像重写和重新测试prompt一样简单。例如，假设你使用下面的补全prompt来让英语转换成法语:一个对应的对话会话是这样的:或者甚至只要用户消息: