標簽：語音合成

Baichuan-Audio是百川智能推出的端到端音頻大語言模型，支持無縫集成音頻理解和生成功能，實現支持高質量、可控的實時中英雙語對話。Baichuan-Audio基于多碼...

IndexTTS 是 B 站推出的工業級可控文本轉語音（TTS）系統。基于 XTTS 和 Tortoise 模型開發，結合了 GPT 風格的生成技術，能將文本高效轉化為自然流暢的語音...

PySpur 是開源的輕量級可視化 AI 智能體工作流構建器，簡化 AI 系統的開發流程。基于拖拽式界面讓用戶能快速構建、測試和迭代 AI 工作流，無需編寫復雜代碼。...

打破傳統語音合成鏈路，端到端生成

Llasa TTS 是香港科技大學基于 LLaMA 架構推出的開源文本轉語音（TTS）模型，支持高質量語音合成和克隆。Llasa TTS 基于單層向量量化（VQ）編解碼器和單個 Tr...

Step-Audio-TTS-3B 是 Stepfun-AI 團隊推出的高性能文本到語音（TTS）模型，具有強大的語音合成能力。基于海量合成數據訓練，參數量達到30億，能生成自然流暢...

TurboTTS 是免費的在線文本轉語音工具，支持70多種語言和300多種真實語音選擇，能生成自然、逼真的語音效果，適用于短視頻創作、在線教育、廣告制作、播客等...

播記是專為播客創作者設計的智能節目筆記（Shownotes）生成工具。通過AI技術，能快速提取播客音頻中的關鍵信息，自動生成包含節目主題、嘉賓介紹、重要觀點、...

Kokoro-TTS 是 hexgrad 開發的輕量級文本轉語音（TTS）模型，具有 8200 萬參數。基于 StyleTTS 2 和 ISTFTNet 的混合架構，采用純解碼器設計，不使用擴散模型...

TTS（Text to Speech）即文本轉語音技術。是一種將文本信息轉化為自然語音輸出的技術。通過TTS技術，計算機可以將輸入的文本自動轉換成自然語音，模擬出人類...

ElevenLabs Flash是ElevenLabs推出的低延遲語音合成模型，專為快速對話型AI設計。ElevenLabs Flash有兩個版本：Flash v2僅支持英語，Flash v2.5支持32種語言...

Emoji AI是AI驅動的表情包制作應用，主打卡通風格，提供搜索和文生圖功能，讓用戶能快速創建個性化表情。Emoji AI特別推出節日主題表情，適應不同文化和節日...

ElevenLabs Flash是ElevenLabs推出的低延遲語音合成模型，專為快速對話型AI設計。ElevenLabs Flash有兩個版本：Flash v2僅支持英語，Flash v2.5支持32種語言...

Slides Orator是創新的AI平臺，基于創建虛擬形象實時展示幻燈片進行解說。工具基于技術生成語音旁白，讓演示內容動態地與觀眾互動，增強演示的吸引力和參與度...

Voice-Pro是開源的多功能音頻處理工具，集成語音轉文字（STT）、文本轉語音（TTS）、實時翻譯、YouTube視頻下載和人聲分離等多種功能。工具支持超過100種語言...