Ming-3.0-tts 这个 0.5B 的声音合成和克隆模型，我想试试，因为它够小，我想本地跑！
最近在给我儿子的学习做一些 AI 辅助，前面开源的打字游戏算是第一步（看我置顶帖）：
https://x.com/shao__meng/status/2112397032912719957?s=20
接下来想做一些书籍阅读和视频配音的尝试，他现在已经从绘本来到了文字书籍的阅读阶段，听力语感和发音都很好，不过有些词它不认识，我想给它做一个书籍阅读助手，可以全篇通读、也可以在停顿时或指定区域阅读提示。
视频配音是因为平时看的视频多数都是英文视频，他在学德语时的资源就比较有限，有些他想看的视频如果有德语就好了，现在有这种可以本地跑的 TTS，结合 ASR、多模态模型的视频理解等能力，就可以把配音生成为德语，再和画面进行匹配同步了。
说干就干，立个 Flag，一周后投入日常学习，到时老规矩，开源出来！