标签：语音合成

Baichuan-Audio是百川智能推出的端到端音频大语言模型，支持无缝集成音频理解和生成功能，实现支持高质量、可控的实时中英双语对话。Baichuan-Audio基于多码...

IndexTTS 是 B 站推出的工业级可控文本转语音（TTS）系统。基于 XTTS 和 Tortoise 模型开发，结合了 GPT 风格的生成技术，能将文本高效转化为自然流畅的语音...

PySpur 是开源的轻量级可视化 AI 智能体工作流构建器，简化 AI 系统的开发流程。基于拖拽式界面让用户能快速构建、测试和迭代 AI 工作流，无需编写复杂代码。...

打破传统语音合成链路，端到端生成

Llasa TTS 是香港科技大学基于 LLaMA 架构推出的开源文本转语音（TTS）模型，支持高质量语音合成和克隆。Llasa TTS 基于单层向量量化（VQ）编解码器和单个 Tr...

Step-Audio-TTS-3B 是 Stepfun-AI 团队推出的高性能文本到语音（TTS）模型，具有强大的语音合成能力。基于海量合成数据训练，参数量达到30亿，能生成自然流畅...

TurboTTS 是免费的在线文本转语音工具，支持70多种语言和300多种真实语音选择，能生成自然、逼真的语音效果，适用于短视频创作、在线教育、广告制作、播客等...

播记是专为播客创作者设计的智能节目笔记（Shownotes）生成工具。通过AI技术，能快速提取播客音频中的关键信息，自动生成包含节目主题、嘉宾介绍、重要观点、...

Kokoro-TTS 是 hexgrad 开发的轻量级文本转语音（TTS）模型，具有 8200 万参数。基于 StyleTTS 2 和 ISTFTNet 的混合架构，采用纯解码器设计，不使用扩散模型...

TTS（Text to Speech）即文本转语音技术。是一种将文本信息转化为自然语音输出的技术。通过TTS技术，计算机可以将输入的文本自动转换成自然语音，模拟出人类...

ElevenLabs Flash是ElevenLabs推出的低延迟语音合成模型，专为快速对话型AI设计。ElevenLabs Flash有两个版本：Flash v2仅支持英语，Flash v2.5支持32种语言...

Emoji AI是AI驱动的表情包制作应用，主打卡通风格，提供搜索和文生图功能，让用户能快速创建个性化表情。Emoji AI特别推出节日主题表情，适应不同文化和节日...

ElevenLabs Flash是ElevenLabs推出的低延迟语音合成模型，专为快速对话型AI设计。ElevenLabs Flash有两个版本：Flash v2仅支持英语，Flash v2.5支持32种语言...

Slides Orator是创新的AI平台，基于创建虚拟形象实时展示幻灯片进行解说。工具基于技术生成语音旁白，让演示内容动态地与观众互动，增强演示的吸引力和参与度...

Voice-Pro是开源的多功能音频处理工具，集成语音转文字（STT）、文本转语音（TTS）、实时翻译、YouTube视频下载和人声分离等多种功能。工具支持超过100种语言...