Ditto Speak官网 – 语音克隆与生成工具

Parler-TTS 是一种开源的轻量级文本转语音 (TTS) 模型，可以生成具有给定说话者风格（性别、音调、说话风格等）的高质量、自然的语音。经过 45,000 小时公开演讲的训练，生成速度提高了 4 倍，支持多种语言的文本到语音转换。

MiniCPM-o 是一款轻量级多模态大语言模型，具有8B参数，能够在手机、iPad等终端设备上高效运行。它支持视觉、语音和多模态实时流媒体处理，性能达到GPT-4o水平。MiniCPM-o 具备领先的视觉能力、创新的语音交互功能，支持多语言和多模态实时流媒体处理，广泛应用于实时语音对话、OCR、视频理解、多语言支持等场景。

ElevenLabs 是一款提供最具吸引力、丰富和逼真的语音的文本转语音和语音克隆软件，旨在为创作者和出版商提供讲故事的终极工具。

该数据集为SVC/SVS/TTS任务提供高质量的《原神》角色语音数据，支持多种语音风格和角色，包含详细的音频标注和文本转录，适合语音合成、转换及相关研究。

iScribe是一个由AI驱动的内容创作平台，用户可以轻松创建多种类型的内容，包括文本、配音和聊天机器人。通过iScribe，用户能够释放创造力，提升内容质量。

csm-mlx是为Apple Silicon量身定制的对话语音模型实现，基于MLX框架，通过硬件优化实现高效自然的语音生成。支持上下文对话、语音克隆、流式生成等功能，并提供简单易用的CLI工具。项目特别适合在Mac设备上运行，适用于语音助手开发、实时语音合成等场景。

这是一个基于ByteDance的MegaTTS3模型的ComfyUI自定义节点，提供高质量的文本到语音合成功能，支持中英双语和语音克隆。 项目通过ComfyUI的工作流界面实现语音生成和克隆，支持参数调优、GPU资源优化和自动模型下载等功能。 用户可以通过提供简短的语音样本（WAV和NPY文件）克隆任何声音，并精细控制发音质量、语音相似度等参数。

基于GPT4-o的模块化开源语音转文字再转语音的解决方案，支持语音活动检测、语音转文字、语言模型交互和文字转语音的连续流程，旨在提供高度模块化和可定制的语音交互体验

Voicefy是一个直观的平台，可以将文本转换为逼真的语音，提供多种语言和声音，以最大化内容的可访问性和互动性。用户只需将文本输入框中，选择所需的语言和声音，点击‘转换’按钮生成语音，然后点击‘播放’按钮收听语音，此外，还可以将语音下载为音频文件。

Ailora AI是一个全面的人工智能解决方案，能够生成丰富的人工智能内容。用户可以通过一个用户友好的仪表板轻松管理和使用多种AI工具，包括文本生成、语音生成、图像生成和代码生成，消除了切换不同工具的麻烦。

一个有趣的AI项目，可以通过短时间的音频源生成与原声音相似的音频，支持文本输入，基本可以做到以假乱真。

该项目允许用户通过上传短音频片段，快速创建任何名人的AI声音。用户只需输入要生成的文本即可获得所需的名人声音。

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。

ChatTTS Me 是一个将文本转化为自然流畅语音的平台，适用于聊天机器人和虚拟助手，提供优化和富有表现力的对话体验。

PromptSora是一个专注于利用OpenAI的Sora模型，通过文本生成视频的工具，提供丰富的资源、教程和示例提示，帮助用户轻松创建高质量的视频内容。