项目描述：为短视频/数字人平台开发高保真 TTS 服务，通过少量录音（Few-shot）复刻特定 IP 音色及情感，替代人工配音。
技术实施：
小样本克隆：自研音频降噪与分离流水线，实现仅需 5 分钟有效干声即可高保真提取并复刻目标音色特征。
声学与前端：优化 VITS 韵律预测模块以还原情感起伏；深度重构中文文本前端（TN），彻底解决中英混读、特殊符号及多音字发音痛点。
工程部署：设计智能断句算法解决长文合成时的显存溢出与拼接生硬问题；完成 ONNX 模型推理加速与高并发 API 封装。
项目成果：合成音频 MOS 评分达 4.1 以上（媲美真人）。成功上线数十个 IP 音色，使客户单条视频配音成本锐减 80% 以上。