让应用通过语音与文本的转换实现智能交互。

无需对齐信息的零样本文本到语音转换模型

快速生成类人语音的TTS模型

一款通过纯语言模型实现的文本到语音合成模型

前沿AI研究和产品公司，推动通信未来。Gan.AI官网入口网址

一个简单易用的语音克隆和语音模型训练工具。

一个高效的语音合成模型，支持中英文及语音克隆。

一个开源文本转语音系统，致力于实现人类语音的自然化。

工业级可控高效的零样本文本到语音系统

基于Kokoro和ONNX运行时的文本到语音（TTS）项目。

大饼AI变声器，自然人声效果，千种音色选择，全场景接入支持，Dubbing大饼AI声音官网入口网址

AI ContentCraft 是一个多功能内容创作工具，集成了文本生成、语音合成和图像生成能力。

Llasa-1B 是一个基于 LLaMA 的文本转语音 (TTS) 模型，支持中英文语音合成。

全球唯一、多情绪、多语态、全可控的AI配音产品，Dubbingx官网入口网址

ChatTTS项目的入门指南和资源汇总。

轻量级端到端文本到语音模型

基于MaskGCT模型的文本到语音演示

端到端中英语音对话模型

开源多模态大型语言模型，支持实时语音输入和流式音频输出。Mini-Omni官网入口网址

开发者可互动体验 OpenAI API 中的新语音模型gpt-4o-transcribe， gpt-4o-mini-transcribe and gpt-4o-mini-tts。

一个用于生成对话式语音的模型，支持从文本和音频输入生成高质量的语音。

CSM 1B 是一个由 Sesame 开发的文本到语音生成模型，可生成高质量的音频。

Spark-TTS 是一种基于大语言模型的高效单流解耦语音合成模型。

将电子书转换为有声书的工具。

一个拥有8200万参数的前沿文本到语音（TTS）模型。

生成高质量中文方言语音的大规模文本到语音模型。

利用AI生成视频脚本、语音和会说话的头像

微软亚洲研究院开发的语音合成技术

使用Llama模型的语音合成工具

轻量级图片数字人驱动算法，快速定制AI伙伴

AI驱动的视频生成工具，一键生成高质量营销视频

可扩展的流媒体语音合成技术，结合大型语言模型。