AI文本转语音

综合介绍 Muyan-TTS 是一个专为播客场景设计的开源文本转语音（TTS）模型。它通过超过10万小时的播客音频数据预训练，支持零样本语音合成，生成高质量的自然语音。模型基于 Llama-3.2-3...

综合介绍 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 130...

综合介绍 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...

综合介绍 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...

综合介绍 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...

综合介绍 ElevenLabs MCP 是 ElevenLabs 官方推出的开源项目，托管在 GitHub 上。它是一个基于模型控制协议（Model Context Protocol, MCP）的服务...

综合介绍 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...

综合介绍 MiniMax Audio 是 MiniMax 公司推出的一款 AI 语音生成工具，核心特点是快速将文字转为高相似度的自然语音。它基于 Speech-02 模型，语音合成相似度高达 99...

综合介绍 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...

综合介绍 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 Ope...

综合介绍 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...

综合介绍 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...

综合介绍 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 ...

综合介绍 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...

综合介绍 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...

综合介绍 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...

综合介绍 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...

综合介绍 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...

综合介绍 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...

综合介绍 “猫与星”（maoyuxing.com）是一个专为儿童设计的互动故事创作平台，通过手机应用帮助家长和孩子共同打造个性化的童话故事。用户可以输入孩子的姓名、喜好等信息，生成独一无二的故事内容...

综合介绍 TTS Importer 是一个开源项目，旨在将 Azure TTS（Text-to-Speech）语音合成服务轻松导入到各种阅读软件中。该工具支持多个流行的阅读软件，包括阅读（legado...

综合介绍 NVIDIA AI Blueprint: PDF to Podcast 是一个由NVIDIA开发的开源项目，旨在将PDF文档转换为引人入胜的音频内容。该项目利用NVIDIA NIM（NVID...

综合介绍 Kokoro WebGPU是Kokoro文本转语音（TTS）模型的WebGPU版本，由WebML Community在Hugging Face平台上提供。该项目利用WebGPU技术，使用户能...

综合介绍 Orate 是一个专注于语音生成与转录的人工智能工具包。它提供了一个统一的API，能够与领先的AI提供商（如OpenAI、ElevenLabs和AssemblyAI）无缝集成，帮助用户创建逼...

综合介绍 Weights 是一个利用 AI 进行创作的社交平台，用户可以通过简单的操作创建语音翻唱、文本转语音、图像、音乐和视频等内容。平台提供了丰富的工具和模板，帮助用户快速上手创作，并与社区分享自...

综合介绍 AnyVoice 是一个先进的 AI 语音生成平台，提供超真实的语音生成和声音克隆服务。用户可以通过该平台将文本转换为自然的语音，并且可以在数百种预设声音中进行选择。如果找不到合适的声音，只...

综合介绍 Open NotebookLM 是一个开源项目，旨在将任何PDF文档转换为播客。该工具利用开源的大型语言模型（LLM）和文本转语音（TTS）模型，处理PDF内容，生成适合音频播客的自然对话...

综合介绍 Llasa-3B是由香港科技大学音频实验室（HKUST Audio）开发的一个开源文本转语音（TTS）模型。该模型基于Llama 3.2B架构，经过细致调优，提供高质量的语音生成，不仅支持多...

综合介绍 Kokoro-ONNX是一个基于ONNX runtime的开源文本转语音（TTS）工具。该项目由thewh1teagle开发，旨在提供高效、快速的语音合成解决方案。Kokoro-ONNX支持...

综合介绍 OpenAI Edge TTS 是一个开源项目，提供与 OpenAI 兼容的本地文本转语音（TTS）API。该项目使用 Microsoft Edge 的在线文本转语音服务，允许用户生成高质量...

综合介绍 Jellypod 是一个功能强大的 AI 播客工作室，旨在帮助用户轻松创建、编辑和发布高质量的 AI 播客。通过 Jellypod，用户可以设计个性化的播客主持人，完善脚本，并将播客发布到 ...

综合介绍 sherpa-onnx 是由 Next-gen Kaldi 团队开发的一个开源项目，旨在提供高效的离线语音识别和语音合成解决方案。它支持多种平台，包括 Android、iOS、Raspber...

综合介绍 Audiblez 是一个开源项目，旨在将电子书（如 .epub 格式）转换为有声书（如 .m4b 格式）。该项目利用 Kokoro 的高质量语音合成技术，支持多种语言和多种声音。用户只需简单...

综合介绍 Acoust 是一个在线 AI 语音生成和文本转语音（TTS）服务平台，利用最新的 AI 技术生成逼真的语音。该平台还提供强大的视频编辑工具，使用户无需使用多种软件即可完成视频制作。Acou...

综合介绍 Kokoro-FastAPI是一个基于Docker的FastAPI封装，旨在为Kokoro-82M文本转语音模型提供支持。该项目支持NVIDIA GPU加速，并提供了队列处理和自动拼接功能...

综合介绍 Kokoro 82M 是由 Hugging Face 提供的一个高效语音合成模型，旨在通过较少的参数和数据生成高质量的语音。该模型拥有 8200 万参数，使用 Apache 2.0 许可证发...

综合介绍 ebook2audiobook是一款功能强大的开源电子书转有声读物工具。它能够将多种格式的电子书转换成带有完整章节标记和元数据的有声读物。该工具使用Calibre进行电子书格式转换，采用Co...

综合介绍 Edge TTS Worker（依赖 edge-tts ） 是一个部署在 Cloudflare Worker 上的代理服务，它将微软 Edge TTS 服务封装成兼容 OpenAI 格式的 ...

综合介绍 ViiTor AI 是一个强大的人工智能平台，专注于提供高质量的视频翻译、语音克隆、AI生成的虚拟形象视频以及语音合成服务。该平台支持多种语言，旨在帮助用户轻松实现多语言内容创作。ViiTo...

综合介绍 Wondercraft 是一个革命性的AI驱动音视频创作平台，为内容创作者提供了一站式的音视频制作解决方案。平台运用先进的人工智能技术，能够将文字内容转换为自然流畅的语音，支持20多种语言...

综合介绍 NotebookLM Podcast 是一个创新的平台，利用人工智能技术将任何文本内容转化为动态、引人入胜的音频播客。无论你是学生、教育者、内容创作者还是忙碌的专业人士，NotebookLM...

综合介绍 AivisSpeech 是一个基于 VOICEVOX 编辑器 UI 的日语语音合成软件。它集成了 AivisSpeech Engine，可以轻松生成情感丰富的语音。AivisSpeech 支...

综合介绍 PlayAI 是一个专注于语音生成和语音克隆的人工智能平台。它提供了多种语音模型，能够生成流畅、富有情感的对话。用户可以通过该平台创建个性化的语音代理，提升互动体验。PlayAI 的技术适用...

综合介绍 GizAI 是一个集成了AI生成、笔记和云存储功能的一站式平台。用户可以通过GizAI生成图像、视频、音频、文本、角色、故事和游戏，并且可以在平台上进行协作笔记和云存储。GizAI 提供了多...

综合介绍 OuteTTS 是一种实验性文本转语音（TTS）模型，采用纯语言建模方法生成高质量语音。与传统的 TTS 系统不同，OuteTTS 不需要外部适配器或复杂的架构。该模型基于 LLaMa 架构...

综合介绍 PodLM 是一个先进的 AI 播客生成平台，旨在帮助用户将文本、文档或网址内容快速转换为高质量的播客音频。通过利用尖端的 AI 技术，PodLM 能够自动生成结构化且引人入胜的播客脚本，并...

综合介绍 SoniTranslate 是一个强大且用户友好的视频多语言配音工具，旨在提供视频翻译和同步音频的解决方案。它利用先进的语音识别和机器翻译技术，将视频内容翻译成多种语言，并保持音频同步。该项...

综合介绍 逗哥配音是一款广受欢迎的AI配音软件，拥有超过500万用户。该软件利用先进的AI智能配音技术，提供专业且逼真的配音效果，适用于短视频、广告制作、教育培训等多种场景。逗哥配音致力于为用户提供快...

综合介绍 YouTube Dubbing 是一个智能配音平台，专为视频创作者和观众提供多语种配音服务。通过AI技术，该平台能够将YouTube视频自动翻译并生成配音，支持多种语言和语音风格。用户只需安...

综合介绍 Podcastfy 是一个开源的 Python 软件包，利用生成式人工智能（GenAI）技术，将网页内容、PDF 文件、文本、图像、youtube 视频等多种来源的内容转换为引人入胜的多语言...

综合介绍 QuickPiperAudiobook 是一个开源项目，旨在通过简单的一条命令，将各种文本格式（如 epub、mobi、txt、PDF、HTML 等）转换为自然音质的有声书。该工具使用 Pi...

综合介绍 PDF2Audio 是一个开源项目，旨在将 PDF 文件转换为音频内容，如播客、讲座和摘要。该工具利用 OpenAI 的 GPT 模型进行文本生成和文本到语音转换，用户可以上传多个 PDF ...

综合介绍 海藻AI是一款可以在线将文字转成语音的智能配音产品，由云知声AI开放平台提供技术支持。用户可以自助实现声音克隆，并提供不同性别、不同口音、不同语种的AI发音人，输入文字后直接配音。可快速对短...

综合介绍 edge-tts是一个开源的Python模块，允许用户在Python代码中使用微软Edge的在线文本转语音服务，而无需Microsoft Edge浏览器、Windows操作系统或API密...

Descript 综合介绍 Descript是一款强大又简便的视频及播客编辑工具。它拥有行业领先的转录精度和速度以及强大的校正工具，还能通过AI技术将视频转录为文本，并通过编辑文本的方式来编辑视频。除...

综合介绍 Murf AI是一个强大的在线人工智能语音生成工具，能够将文本转换成近似真人的语音。它提供多达120种以上的AI语音选项，支持20种以上语言，适合各种场合使用，如播客、视频、专业演示等。Mu...

综合介绍 Resemble AI是一款专为企业设计的人工智能语音合成平台。平台提供前沿的AI语音生成器技术，以及面向未来信息安全的深度伪造音频检测。功能包含声音克隆、实时深度伪造音频检测、AI水印技术...

Ondoku 综合介绍 Ondoku是一款在线文字转语音软件，用户可将文本内容输入网站提供的文本框，软件能够根据用户需要将文章转换成语音读出，并支持将语音保存为MP3格式文件。这项服务既适合即时聆听...

综合介绍 XAudioPro 是一款先进的在线音频实时剪辑和转码工具，兼具专业化与便携化。支持剪切、裁剪、复制、删除、恢复、振幅增益控制等专业音频编辑功能。它还提供了去噪服务，如频谱减法噪声减少、低通...

综合介绍 Hume AI 是一家专注于情感智能的人工智能公司，致力于开发能够理解和响应人类情感的多模态AI技术。其旗舰产品同理心语音界面（EVI）能够通过语音、面部表情和语言等多种形式识别和回应用户的...

综合介绍 魔音工坊是一站式短视频及AI配音平台，具备软件配音、真人配音、声库、克隆服务等信息。平台集音频编辑、AI文案生成、视频编辑及协作工具于一体，适用于音频相关服务和内容创作。用户体验了音频编辑器...

综合介绍 EmotiVoice是一个由网易有道开发的多声音和情感提示控制的文本转语音(TTS)引擎。此开源TTS引擎支持英文和中文，拥有超过2000种不同的声音，并具备情感合成能力，能够创建带有快乐...

综合介绍 Listnr是一款采用生成式AI引擎的文本转语音软件，能够以1000+不同声音在142+种语言中创造语音合成，包括克隆您自己的声音。该平台为超过100万用户提供服务，涵盖短视频、YouTub...

综合介绍 Uberduck AI是一个创新平台，为创意机构、音乐制作人和程序员提供AI合成歌声和说话声音服务。用户可以选择不同的音乐节奏、利用AI生成歌词或自行编写，选择特定声音，最终创作rap歌曲...

综合介绍 NotebookLM 是由 Google 推出的一款个性化 AI 协作工具，旨在帮助用户充分发挥思维潜能。用户可以上传文档，NotebookLM 会立即掌握这些来源的内容，使用户能够轻松阅读...

综合介绍 录咖是一站式音视频处理平台，提供AI视频对话、AI字幕和AI语音转文字服务。功能包括录制屏幕、剪辑视频、转换GIF/音频等，并支持云存储与分享。界面直观，使用方便，还支持多屏幕录制和多语种智...

综合介绍 IMS Toucan 是由德国斯图加特大学自然语言处理研究所（IMS）开发的一个先进的文本转语音（TTS）工具包。该工具包支持超过7000种语言，具有快速、可控且计算资源需求低的特点。IMS...

综合介绍 ChatTTS 是一个专为对话场景设计的生成语音模型。它能够生成自然且富有表现力的语音，支持多种语言和多位说话者，适用于互动对话。该模型通过预测和控制细粒度的韵律特征，如笑声、停顿和插话，超...

FreeTTS 综合介绍 FreeTTS 是一个免费的在线文本转语音工具，用户可以将文本转换为自然声音的语音文件。支持多种语言和声音选择，用户可以将文本转换为 MP3、WAV、OGG 和 ACC 格式...

综合介绍 ElevenLabs是一家总部位于美国纽约的初创公司，专注于生成式AI语音领域。该公司提供了一系列功能强大的文本生成语音、语音生成语音、语音克隆和语音识别等服务。ElevenLabs的优势在...

综合介绍 Easy-Voice-Toolkit 是一个基于开源语音项目的多功能工具箱，提供语音识别、语音转录、语音转换、数据集创建和模型训练等多种自动化音频工具。用户可以根据需要选择性地使用这些工具...

综合介绍 Dupdub是侧重播客和视频演示文稿创作平台，提供一系列AI工具来支持用户的创造力。功能覆盖从文本到视频的创作，提供人工智能语音和视频配音服务，以及视频编辑、转录和字幕制作。 Dupdub又...

综合介绍 TTSMaker是一款免费的在线文本转语音工具，支持100多种语言和300多种语音风格。用户可以将文本转换为自然流畅的语音，并下载音频文件用于商业用途。该工具适用于视频配音、有声读物、教育培...

综合介绍 Vidnoz是一款免费的AI视频生成平台，可在1分钟内快速创建AI视频。不需要成本、下载和经验。平台提供500+ AI虚拟人物，470+逼真AI配音以及500+模板。通过Vidnoz AI视...

综合介绍 MemoAI是一款功能强大的视频翻译工具，专门用于将视频和音频文件转换为文本、字幕和笔记。不论是YouTube视频、播客还是本地文件，MemoAI都能轻松处理。支持中、英、日等90多种语言的...

综合介绍 腾讯智影是腾讯公司推出的在线智能视频创作平台，通过云端服务提供的强大AI工具，能支持文本配音、数字人播报、自动字幕识别等功能，它集素材搜索、视频剪辑、渲染出口和发布于一体，为用户带来便捷的视...

pyVideoTrans 综合介绍 pyvideotrans是一个视频翻译配音工具。用户能够将视频内容从一种语言翻译成另一种语言，并在视频中添加相应的配音和字幕。它基于openai-whisper离线...

综合介绍 喜马拉雅音频编辑器是一个综合性的AI音频创作平台。它提供了强大的功能，支持用户进行专业级的podcast制作、多轨录音、音频编辑，并且能将文字转换成语音。平台还含有多选项的专业语音，助力用户...

综合介绍 Parler-TTS 是由 Hugging Face 开发的开源文本转语音（TTS）模型库，旨在生成高质量、自然流畅的语音。该模型能够根据输入文本生成具有特定说话人风格（如性别、音调、说话风...