Seed-TTS开源项目 – 生成与人类语音几乎无差别的合成语音

Emotivoice是一个支持情感提示控制的中英双语语音合成TTS引擎，提供多达2000种语音选项，旨在通过情感分析与合成技术提升语音交互体验。

Fish Speech是一款具有高度自定义和灵活性的文本转语音(TTS)解决方案，支持Linux和Windows系统，能够满足多种应用需求。

AI实时变声工具

本文介绍了一个名为DDSP-SVC 3.0的开源项目，它是一个可以替代低配SO-VITS-SVC的工具。使用该工具，可以用更低的显存和更短的时间训练出模型，生成AI音乐。尽管生成的音乐质量相对较低，但可以用于快速生成音乐。

OuteTTS是一个实验性的文本到语音模型，采用纯语言建模方法生成语音，致力于提升语音合成的自然性和可控性。

DevMind是一个集成各种AI能力的创意平台，支持聊天补全、图像生成、人脸交换、语音转换、吉祥物创建、魔法头像、二维码艺术、视觉AI、图像放大等功能，现阶段可免费使用。

聊天文本转语音工具，让语音合成更快速、支持声音克隆和移动部署，提升语音交互体验

Coqui是一个平台，利用生成AI技术提供真实且富有情感的文本转语音配音服务。用户可以通过提供3秒的音频来克隆声音，或从可用的AI声音中选择。通过AI情感和语音控制功能，用户可以调整声音的风格、节奏和情感。高级编辑器允许用户对每个句子、单词或角色的音调、音量等进行细致调整。用户还可以使用多个表演保存不同的表现，并通过时间线编辑器指导场景。Coqui Studio提供项目管理功能，帮助用户组织工作。

ttotalk 是一个免费的文本转语音工具，支持超过50种语言和声音风格。它使用强大的神经网络技术，使语音听起来更加自然。用户可以在线收听或下载音频文件，格式为mp3或wav。

Whisper Turbo是一个跨平台的GPU加速版Whisper，能够在客户端浏览器或Electron应用里运行，提供高效的语音识别功能，便于开发者集成，支持多种音频格式的识别和实时语音处理。

Llama3-S是一个扩展文本基础的大型语言模型，具备原生的‘听力’能力。通过早期融合模型训练，Llama3-S实现了声音识别与文本理解的有效结合，适用于多种语言处理任务。

sherpa-ncnn 是一个使用下一代 Kaldi 和 ncnn 构建的实时语音识别系统，支持多种语言和方言，具备低延迟性能，适合各种实时应用场景。它提供灵活的模型部署选项，并兼容 Kaldi 的最新技术，能够满足开发者的多样化需求。

Zeniteq是一个致力于生成性人工智能不断演变的新闻杂志，旨在提供有关各种AI领域的最新新闻和更新，包括对话式AI、图像和视频生成器以及音频合成技术的报道。

Ringable 是一款创新的人工智能工具，旨在通过语音AI代理彻底改变客户服务，帮助企业提供24/7的客户支持，支持28种语言，确保高效处理客户查询。

Reactive Resume是一款强调隐私保护的免费开源简历生成器，提供自托管选项，支持多语言，具有丰富的模板和个性化定制功能，用户可以通过个性化链接与潜在雇主分享简历，同时支持实时更新和ChatGPT集成，方便用户优化简历内容。

Byrdhouse AI提供基于AI的实时语音和字幕翻译，支持100多种语言，适用于会议、培训及活动，旨在帮助不同语言使用者建立更深的信任和联系。

Fish Speech是一个开源项目，通过仅需15秒的任意声音，可以可靠地合成自然流畅的语音，同时保持给定的音色、风格和口音。该项目由So-VITS-SVC和Bert-VITS2的创作者团队推出。

Sully AI是一款专为医疗行业设计的工具，旨在通过与电子病历系统的无缝集成，自动化日常任务，提升医生的工作效率，让他们能够更多地专注于病人护理。

Virbo是一个在线平台，允许用户使用AI技术从图像创建动态对话肖像和电子贺卡，支持超过100种语言。用户可以将静态照片转化为带有人声的动画图像。

Spakfly是一款能够将任何文本转换为100%人声的语音软件，适用于视频销售信、教育视频、营销视频、培训视频、有声书等多种场景。用户只需注册账号，选择语言和声音，输入文本，定制语音设置，然后生成并下载语音文件。

Wispr Flow 是一款跨平台的 AI 语音工具，专注于高精度语音转文字和自动格式优化。它旨在通过无缝的语音输入功能，显著提升用户的工作效率，特别是在写作和沟通场景中。支持 Windows 和 Mac 系统，适用于微信、Word 等多种应用场景，帮助用户快速生成无错别字、排版工整的内容。

MemoAI 是一款完全本地运行的 AI 音视频转录工具，支持将 YouTube、播客和本地音视频文件转为文本、字幕，并提供翻译和语音合成功能。它适用于 macOS 和 Windows 系统，特别适合学习或内容创作者。

MTranServer 是一个基于 Marian 框架的神经机器翻译服务器，支持私有化部署，能够在极低的资源消耗下（仅需 CPU + 1G 内存）实现高效的离线翻译。它支持全球主要语言的翻译，翻译质量与 Google 翻译相当，适用于个人、企业及特定场景的翻译需求。

Callteacher是一个AI驱动的语言学习平台，提供无尽的对话机会，用户可以通过写作或口语练习，并享受逼真的语音反馈。平台拥有超过100位AI导师，旨在打破语言障碍，提升用户的语言能力。

EasyBertVits2是一个简化了Bert-VITS2模型使用的工具，可以从文章生成富有情感的语音，提供高质量的语音合成，便于开发者和用户使用。

Heat是一个基于Ollama的大语言模型客户端，支持桌面和移动设备，提供用户友好的界面和多语言支持。

vidBoard是一个生成AI平台，用户可以在几分钟内将照片转换为引人入胜的会说话的头像，并以超过120种语言制作专业视频，无需技术技能或高成本。

ChatALL 是一款桌面应用程序，允许用户同时与多个AI机器人进行聊天，如 ChatGPT、Bing Chat、Bard、Alpaca、Vicuna等。它帮助用户发现这些机器人提供的最佳答案。