XTTS 是一个开源文本到语音（TTS）项目，旨在提供高质量的语音合成，支持多种语言，适用于不同的应用场景，如语音助手和有声书制作。
StableTTS是一个轻量级的文本到语音（TTS）模型，专为汉语和英语的语音生成服务而设计。该模型仅有10M的参数，适合在资源有限的环境中使用。它基于流匹配和DiT技术，是下一代TTS模型，灵感来源于Stable Diffusion 3，能够高效地产生自然流畅的语音。
textlesslib是一个专为无文本口语处理设计的库，集成了多种先进的AI模型，提供高效的音频特征提取，支持多种语言的处理，且开放源代码，易于扩展。
Typecast AI是一款在线AI语音生成器，能够将文本转换为真实感十足的语音，提供超过400种超现实的声音选择。用户可以为视频、演示、培训材料等创建定制化的生动音频内容。
这款开源（open-weight）的文本转音频模型可根据文本提示生成 44.1kHz 的高质量立体声音频。它非常适合合成逼真的声音和现场录音，可以运行在消费级 GPU 上，因此非常适合学术研究和艺术用途。
Whisper是OpenAI推出的强大语音识别模型，支持多语言语音转文本，能够高精度地识别口语、方言，并自动生成字幕。它采用Transformer架构，具备强大的抗噪能力，适用于视频字幕生成、语音助手、会议记录等场景。Whisper支持99种语言的语音-文本转换，在低资源语种识别任务中WER降低至7.3%，流式处理架构实现200ms端到端延迟，自监督预训练机制减少对标注数据的依赖。
VocalForge是一个端到端的工具包，专为语音数据集创建而设计，旨在大幅减少为TTS模型、热词检测模型等创建数据集的时间，提高音频数据筛选的效率，并支持多种语音数据集格式。
TTSynth.com 是一款免费的在线文本转语音制作工具，能够轻松将书面文本转换为自然听感的语音。它支持多种语言和声音，用户可以快速生成和下载高质量的 TTS MP3 文件，非常适合用于有声书、演示文稿和无障碍访问。
Leelo是一款专为企业设计的AI驱动文本转语音工具，能够将文本转换为自然流畅的音频，帮助企业提升内容传播效果。
实时AI变声工具
ttsopenai.com是一个将PDF和电子书转换为有声书或MP3文件的在线平台。用户只需上传文件，选择语音和速度，即可生成音频内容，方便随时收听。
WellSaid Labs是一个领先的AI语音平台，能够实时将文本转换为高质量的语音，广泛应用于企业培训、广告、教育等多个领域。
语音克隆项目通过提取人类的音色，将文本或其他语音转换为特定的音色，提供个性化的语音合成解决方案。该项目支持从文本生成语音以及将已有的语音样本转化为克隆音色，适用于多种应用场景。
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。
