AI音声合成

Muyan-TTSは、ポッドキャスティングシナリオ用に設計されたオープンソースの音声合成（TTS）モデルです。100,000時間以上のポッドキャストオーディオデータで事前にトレーニングされており、ゼロサンプル音声合成をサポートし、高品質の自然な音声を生成します。このモデルはLlama-3.2-3Bをベースに構築されており、SoVITSデコーダーと組み合わせることで、高音質の音声合成を実現します。

Kimi-Audio 是由 Moonshot AI 开发的一款开源音频基础模型，专注于音频理解、生成和对话。它支持多种音频处理任务，例如语音识别、音频问答和语音情感识别。模型经过超过 1300 万小时的音频数据预训练，结合创新...

Audibit 是一个开源项目，核心功能是将 Hacker News、TechCrunch 等热门科技文章自动转为音频播客，让用户在通勤、健身或忙碌时通过 Web 端或移动端收听资讯。项目使用 Next.js 和 React 开发前端，结合...

Dia 是一个由 Nari Labs 开发的开源文本转语音（TTS）模型，专注于生成超现实的对话音频。它能在一次处理中将文本脚本转化为逼真的多角色对话，支持情感和语调控制，甚至能生成非语言表达，如笑声。Dia 的核心是 ...

Orpheus-TTS 是一个开源的文本转语音（TTS）系统，基于 Llama-3b 架构开发，目标是生成接近人类自然语音的音频。它由 Canopy AI 团队推出，支持英语、西班牙语、法语、德语、意大利语、葡萄牙语和汉语等多种语言...

ElevenLabs MCPは、GitHubでホストされているElevenLabsの公式オープンソースプロジェクトです。Model Control Protocol (Model Context Protocol, MCP)に基づいたサーバーツールで、AIモデルとElevenLabを接続するために設計されています。

Vapi 是一个专为开发者打造的语音AI平台。它能让用户在几分钟内构建、测试和部署语音AI助手，解决传统语音应用开发耗时长、扩展难的问题。Vapi 提供完整的工具和基础设施，支持实时对话、电话集成和多平台部署。...

MiniMax Audioは、MiniMax社のAI音声生成ツールで、テキストを類似性の高い自然な音声に素早く変換することを主な特徴としています。Speech-02モデルをベースにしており、最大99%の音声合成類似度、スタジオ級の音質、30以上の言語と幅広い口語をサポートしています。

Text2Voice 是一个开源工具，基于硅基流动 API 提供文本转语音功能，最大的特点是带有简洁的图形用户界面（GUI）。它由开发者 Sheldon Lee 在 GitHub 上创建，让用户可以通过界面轻松把文字变成语音。项目使用 Py...

Open-VoiceCanvas 是一个开源的语音合成平台，由 ItusiAI 团队开发。它支持超过 50 种语言，可以将文字转为自然语音，还能通过上传音频克隆个性化声音。项目整合了 OpenAI TTS、AWS Polly 和 MiniM...

Paper to Podcast 是一个开源工具，专门把学术研究论文转化为生动有趣的播客。它通过人工智能技术，将 PDF 格式的论文变成三个角色——主持、学习者和专家——之间的对话，让复杂的学术内容变得简单易懂。这个项目由...

MegaTTS3 是字节跳动与浙江大学合作开发的一款开源语音合成工具，专注于生成高质量的中英文语音。它的核心模型只有 0.45B 参数，轻量高效，支持中英文混合语音生成和语音克隆。项目托管在 GitHub 上，提供代码和...

Podcastle 是一个基于人工智能的在线平台，专门帮助用户快速创建和编辑高质量的播客。它集成了录音、编辑和发布功能，用户无需专业设备或复杂软件，只需通过浏览器就能完成所有操作。平台利用 AI 技术提供噪音消...

IndexTTS 是一个开源的文本转语音（TTS）工具，托管在 GitHub 上，由 index-tts 团队开发。它基于 XTTS 和 Tortoise 技术，通过改进模块设计，提供高效且高质量的语音合成。IndexTTS 使用了数万小时...

csm-mlx 是基于苹果公司开发的 MLX 框架，专门为苹果芯片（Apple Silicon）优化了 CSM（Conversation Speech Model）语音对话模型。这个项目让用户可以用简单的方式在苹果设备上运行高效的语音生成和...

Autiobooks 是一款开源工具，旨在帮助用户将 .epub 格式的电子书快速转换为 .m4b 格式的有声书。它采用 Kokoro 提供的优质语音合成技术，生成的音频自然流畅。这款工具由 David Nesbitt 开发，遵循 MIT ...

PlayHT 是一个专注于AI语音生成的高效在线平台，帮助用户将文本快速转化为自然、逼真的语音。它提供超过600种AI语音，支持60多种语言和多样化的口音，适用于播客制作、教育内容、营销推广等多种场景。用户只需输...

MLX-Audio 是一个基于 Apple MLX 框架开发的开源工具，专注于文本转语音（TTS）和语音转语音（STS）功能。它充分利用 Apple Silicon（如 M 系列芯片）的强大计算能力，提供高效、快速的语音合成解决方案。无论是...

Spark-TTS 是由 SparkAudio 团队开发的一款开源文本转语音（Text-to-Speech, TTS）工具，托管在 GitHub 上，旨在帮助用户将文本高效转换为自然流畅的语音。它基于先进的深度学习技术，支持多种语言和声音风...