标签：语音合成

这两年大家都在感叹生活不易，然而我想说的是，机会还是有的，但问题不在于有没有，而在于你是否能够认准机会，然后抓住它。 接触过很多咨询项目的人，发现...

Kokoro-TTS 是 hexgrad 开发的轻量级文本转语音（TTS）模型，具有 8200 万参数。基于 StyleTTS 2 和 ISTFTNet 的混合架构，采用纯解码器设计，不使用扩散模型...

TTS（Text to Speech）即文本转语音技术。是一种将文本信息转化为自然语音输出的技术。通过TTS技术，计算机可以将输入的文本自动转换成自然语音，模拟出人类...

ElevenLabs Flash是ElevenLabs推出的低延迟语音合成模型，专为快速对话型AI设计。ElevenLabs Flash有两个版本：Flash v2仅支持英语，Flash v2.5支持32种语言...

Emoji AI是AI驱动的表情包制作应用，主打卡通风格，提供搜索和文生图功能，让用户能快速创建个性化表情。Emoji AI特别推出节日主题表情，适应不同文化和节日...

ElevenLabs Flash是ElevenLabs推出的低延迟语音合成模型，专为快速对话型AI设计。ElevenLabs Flash有两个版本：Flash v2仅支持英语，Flash v2.5支持32种语言...

Slides Orator是创新的AI平台，基于创建虚拟形象实时展示幻灯片进行解说。工具基于技术生成语音旁白，让演示内容动态地与观众互动，增强演示的吸引力和参与度...

Voice-Pro是开源的多功能音频处理工具，集成语音转文字（STT）、文本转语音（TTS）、实时翻译、YouTube视频下载和人声分离等多种功能。工具支持超过100种语言...

知意配音是AI配音软件，支持多平台使用，包括网页、桌面软件、手机APP和微信小程序。提供200+种不同风格的声音选项，满足各种配音需求。用户只需输入文案，选...

Free Video-LLM是创新的无需训练的高效视频语言模型，基于提示引导的视觉感知技术，实现对视频内容的高效理解。模型用预训练的图像LLMs，无需额外训练即可适...

公众号，终于开始拥抱AI了。

DeepL Voice是DeepL推出的即时语音翻译服务，帮助全球团队打破语言障碍，实现无缝沟通。DeepL Voice包括两个产品：DeepL Voice for Meetings和DeepL Voice fo...

OpenVoice是由MyShell推出的一个免费开源的AI即时语音克隆项目，相较于其他的语音克隆技术，OpenVoice的优势在于仅需一段简短的音频，便能以惊人的准确度复刻...

GPT-SoVITS是一个开源的声音克隆项目，该语音合成工具结合了GPT模型和SoVITS变声器技术，仅需通过少量的样本数据实现高质量的语音克隆和文本到语音转换。该工...

MeloTTS 是一个由 MyShell AI 开发的开源的高质量多语言文本转语音（TTS）库，能够将文本转换成自然流畅的语音输出，支持多种语言。MeloTTS 的语音合成速度非...

VoiceCraft是一个由德克萨斯大学奥斯汀分校研究团队开源的神经编解码器语言模型，专注于零样本语音编辑和文本到语音（TTS）任务。该模型采用Transformer架构...