ChatTTS开源项目 – 对话场景的文本转语音模型

Fish Speech 1.4 是一个经过 700K 小时语音训练的开源文本转语音模型，支持多种语言，并提供即时语音克隆，具备超低延迟，约1GB的模型重量，模型权重可在Hub上获取。

MetaVoice-1B 是一个拥有1.2亿参数的文本转语音(TTS)模型，专注于生成情感丰富、节奏自然和音调准确的英语语音。它支持零样本克隆美国与英国口音，并支持跨语言的声线定制。模型基于100K小时的语音数据进行训练，支持任意长度文本的合成，并提供了丰富的API和Web UI供用户使用。项目采用Apache 2.0开源许可，用户可以无限制地使用。

Spark-TTS 是一款基于 Qwen2.5 模型的高效文本转语音（TTS）系统，支持细粒度语音控制和零样本语音克隆。该系统在多个基准测试上超越现有 TTS 方法，结合 Qwen2.5 LLM 进行端到端生成，采用 BiCodec 编码简化架构并提升推理效率。Spark-TTS 支持中英双语，允许用户通过文本描述语音风格，生成全新的虚拟声音，并在零样本情况下克隆语音，生成高质量个性化声音。

Podcastfy 是一个开源 Python 工具，能够将多模态内容（如文本、图片、网页、PDF、YouTube 视频等）转换为引人入胜的多语言音频对话。它利用生成式 AI 技术，支持从多种来源生成定制化的播客内容，适用于内容创作、教育、研究等多个领域。

ChatTTS是专门为对话场景设计的文本转语音模型，支持英文和中文两种语言，提供自然流畅的语音合成和多说话人的支持。

Attention Gym是一个基于PyTorch的灵活注意力机制工具集，为研究人员和开发者提供实验不同注意力机制的实验场，包含多种注意力变体的实现、性能比较和辅助功能。

Macbeth.ai是一个强大的AI助手，旨在提升用户的生产力和节省时间。它提供多种AI工具，适用于各种使用场景。用户只需选择所需的工具，告诉AI需要生成的内容，然后验证并完善生成的内容，以满足需求。

一个通用框架（服务器 + UI），可让您轻松地在自己的数据集上执行 RAG。

Everlyn-1是首个开源的自回归基础视频AI模型，为视频生成和多模态理解带来突破。它通过创新性地引入Wasserstein距离优化矢量量化，显著提升了训练稳定性和性能。同时，其提出的EfficientARV框架能够高效生成图像和视频，支持多种生成任务。此外，ANTRP技术有效减少多模态大语言模型中的幻觉现象，进一步提升生成质量。

YourGPT是一个移动应用，允许用户直接从手机使用大型语言模型（LLM），如Claude 3和GPT-4 Turbo，只需使用API密钥。用户不再需要每月订阅或担心使用限制，享受无限制的无广告对话体验，界面简洁友好。

Trelent是一个完全加密的AI助手，旨在保护团队的聊天数据，确保没有外部人员能够访问公司信息。它能够提升团队的工作效率，并提供安全的沟通环境。

Chatnode是一个最先进的AI聊天机器人构建平台，通过综合知识库提供量身定制的精准响应，旨在提升企业客户支持与互动体验。它简化了将AI技术整合到各种沟通渠道的过程，使企业能轻松创建下一代聊天机器人，理解并智能回应用户询问，成为6400多家全球企业不可或缺的工具。

InsertChatGPT允许网站拥有者提供独特的个性化体验，超越传统聊天机器人。用户可以获得复杂问题的答案，与系统进行自然语言对话，并获取个性化推荐。通过现有文档、网站和视频中的数据，无需编码即可构建自己的GPT聊天机器人。用户可以上传文档或添加链接来训练聊天机器人，并将其集成到网站中，作为窗口或气泡与用户进行即时互动。

Bubbly是一个即时的AI支持平台，允许用户通过简单的步骤为产品或服务创建虚拟助手，利用GPT3 AI技术提供相关问题的答案。

UltymAI是一款终极集成AI应用，提供多种工具，包括图像创作、语音合成和应用程序生成。