Skip to main content
全网优质资源汇总✨

Search: #语音合成

  1. VoxCPM |基于连续表征的多语言语音合成、创意音色设计与高保真声音克隆

    一个无离散音频分词器（Tokenizer-Free）的语音合成系统，通过端到端的扩散自回归架构直接生成连续语音表征，绕过对音频的离散编码步骤，实现高度自然且富有表现力的语音合成。
    🌍 30种语言语音合成 — 直接输入原始文本即可合成（支持语言详见下文），无需额外语言标签
    🎨 音色设计 — 用自然语言描述（性别、年龄、音色、情绪、语速……）凭空创建全新音色，无需参考音频
    🎛 可控声音克隆 — 从参考音频片段克隆任意声音，可叠加风格指令控制情绪、语速和表现力，同时保持原始音色
    🎙 极致克隆 — 提供参考音频及其文本内容，模型接着参考音频进行无缝续写，从而精准还原声音细节特征（与 VoxCPM1.5 一致）
    🔊 48kHz 高质量音频 — 输入 16kHz 参考音频，通过 AudioVAE V2 的非对称编解码设计直接输出 48kHz 高质量音频，内置超分能力
    🧠 语境感知合成 — 根据文本内容自动推断合适的韵律和表现力
    ⚡️ 实时流式合成 — 在 NVIDIA RTX 4090 上 RTF 低至 ~0.3，通过 Nano-vLLM 或 vLLM-Omni（官方 vLLM 全模态服务，原生支持 VoxCPM2，提供 PagedAttention 与 OpenAI 兼容 API）加速后可达 ~0.13
    📜 完全开源，商用就绪 — 权重和代码基于 Apache-2.0 协议发布，免费商用


    项目地址

    #开源 #声音克隆 #AI语音 #本地部署 #VoxCPM #语音合成

  2. #VoxCPM2 #语音合成 #AI
    VoxCPM整合包
    VoxCPM 是一个支持中英文、零样本语音克隆、情感可控、音素/公式输入的统一端到端语音合成大模型。它不依赖传统 TTS 流水线（如文本分析 → 音素对齐 → 声码器），而是直接从文本生成高质量语音波形 新版本新增特性: 1.UI颠覆性重构，主要体现在:场景从"语音克隆"+"语音设计"分为"简单场景"+"复杂场景"，复杂场景中均支持可控克隆和极致克隆两种方式，适用于不同诉求。特别注意的是Excel中模板根据不同场景拆分为两个，且字段含义不同。 2.新增了api调用及详细说明文档。 3.音色设计页面UI美化，并引入了文本替换 链接：https://pan.quark.cn/s/5ef0eeb56fba
    📢关注频道：@quanshoulu
    🎁访问主页： www.noisework.cn

  4. 🔁 Voicebox
    📦 AI语音工具 ｜ 本地语音转文字 ｜ 开源项目


    ➤ 语音转文字｜支持本地离线 ASR 识别
    ➤ 多模型支持｜兼容 Whisper / Faster-Whisper
    ➤ 音频转录｜支持 MP3 / WAV / M4A 等格式
    ➤ 字幕生成｜自动生成 SRT 字幕文件
    ➤ 本地运行｜注重隐私 无需上传云端
    ➤ 开源免费｜跨平台桌面应用



    🌐 项目地址：
    https://github.com/jamiepine/voicebox

    📌 简单说：
    👉 一个开源的本地 AI 转录工具，可快速把音频视频转换成字幕与文本。

    ———— 商务合作————

    📂 #AI工具 #语音转文字 #Whisper #开源项目
    📁 Windows / AI工具

  5. 🔁 VibeVoice
    📦 开源项目 ｜ GitHub ｜ AI语音生成 + 识别


    ➤ 长音频识别｜支持最长60分钟语音转文字（ASR）
    ➤ 结构化转录｜自动识别说话人 + 时间戳 + 内容
    ➤ 多人语音生成｜支持最多4人对话语音（TTS）
    ➤ 超长语音｜可生成最长约90分钟连续音频
    ➤ 实时语音｜支持低延迟流式TTS输出
    ➤ 多语言支持｜覆盖50+语言识别能力
    ➤ 开源研究｜适合开发与语音AI实验


    🌐 项目：
    https://github.com/microsoft/VibeVoice

    ———— 商务合作————

    📂 #AI工具 #语音AI #开源项目 #TTS #ASR
    📁 Windows / 开发工具

  7. 🎙 悟声 AI：超拟真 AI 语音合成与瞬时克隆平台
    全球领先模型 · 极速声音克隆 · 创作有声内容
    📌 项目介绍：

    悟声 AI 是音频人工智能领域的先驱者，提供极度自然的 AI 语音克隆与配音合成技术。其 V3.1 大模型在世界权威语音模型盲测排行榜中名列前茅，致力于模糊真实与虚拟声音的边界。

    ⚙️ 核心亮点：

    ✓ 拟真合成：支持多语种（中/英/日/韩/粤等）超拟真语音生成。
    ✓ 瞬时克隆：仅需少量音频样本即可快速克隆任何角色声音。
    ✓ 音色转换：支持将一段音频的音色完美转换为目标角色的声音。
    ✓ 声音市场：内置丰富的社区与专业声音库，一键调用。
    ✓ 开放平台：提供强大的 API 接口，支持开发者集成音频应用。

    🌐 资源链接：

    • 官方网站：https://www.wusound.cn/


    📢 频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #AI配音 #语音克隆 #AI工具 #音频合成 #悟声AI

  8. 短视频工厂

    一个开源的桌面端应用，旨在通过AI技术简化短视频的制作流程。用户可以通过简单的提示词文本+视频分镜素材，快速且自动的剪辑出高质量的产品营销和泛内容短视频。该项目集成了AI驱动的文案生成、语音合成、视频剪辑、字幕特效等功能，旨在为用户提供开箱即用的短视频制作体验。

    点击访问

    #电脑软件 #短视频工厂 #AI短视频 #自动剪辑 #批量生成 #文案生成 #语音合成 #开源

  9. 💥 Ultimate TTS Studio｜终极 TTS 语音合成软件
    推荐：一站式文本转语音解决方案，适合配音、旁白与内容创作。

    🟢 项目核心亮点：


    ✅ 高质量 TTS： 🗣 将文本快速转换为自然语音
    ✅ 多场景适用： 🎙 旁白、配音、有声内容制作
    ✅ 操作简单： 🖱 界面直观，上手门槛低
    ✅ 效率优先： ⚡️ 批量处理，节省时间
    ✅ 创作者友好： 🎧 适合自媒体与内容生产


    ✅ 想把文字变成声音，这是一个很省心的工具。

    🌐 项目链接：
    → ❤️ 点击直达

    频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #TTS #语音合成 #AI工具 #配音软件

  10. 💥 GitHub 爆火开源项目｜90 分钟超长语音一口气合成
    推荐：开源即登顶的 AI 语音合成项目，程序员圈讨论度极高。

    🟢 项目核心亮点：


    ✅ 超长语音合成： 🗣 一次性合成最长约 90 分钟音频
    ✅ AI 语音自然： 🎧 语调流畅，适合播客 / 有声书 / 长文本
    ✅ 开源即爆火： ⭐️ GitHub 上线后迅速登顶热门
    ✅ 程序员友好： 💻 适合二次开发与自动化集成
    ✅ 多场景适用： 📚 有声内容制作、旁白、配音等


    ✅ 长文本语音合成场景下，非常有潜力的开源方案。

    🌐 项目链接：
    → ❤️ 点击直达

    频道 | 💬 群组 | 📬 投稿 | 📨 商务

    #AI #语音合成 #程序员 #GitHub #Soul

  11. #语音合成
    基于GPT-SoVITS的视频剪辑快捷配音工具
    该项目是一个拥有 GUI 悬浮窗界面的 GPT-SoVITS 推理程序，可以通过模拟操作系统的文件拖拽信号，将合成的语音直接拖拽至视频剪辑软件（如 Adobe Premiere）的时间轴，更加方便地实现视频的配音。
    项目地址：https://github.com/2DIPW/dub_genius
    推理核心源码基于 RVC-Boss/GPT-SoVITS 修改，GUI 界面基于 PySide6 实现，exe可执行文件由 PyStand 编译。
    📥 部署
    可以直接下载带有 exe 可执行文件的整合包，也可以自行部署依赖环境并从命令行运行。
    整合包
    整合包自带全部依赖和预训练模型，以及一个 Python 3.9.13 的嵌入式版本，可通过 exe 可执行文件独立运行。
    PyTorch版本 | 大小 | 下载地址
    ------------------------------
    CPU推理版本 | 2.2.1 | 989 MB | OneDrive(https://1drv.ms/u/s!ApF_M_PJgMjabK4tbMUTw5nFt-g?e=C3O0JN) | 百度网盘(https://pan.baidu.com/s/1sKlushysdxq1ce-IBHcJaw?pwd=nqwm)
    ------------------------------
    GPU推理版本 | 2.2.1+cu118 | 2.18 GB | OneDrive(https://1drv.ms/u/s!ApF_M_PJgMjabWCA4_s3fwxwi7M?e=nObvOo)…
    📡发布：https://noisevip.cn/17918.html
    📢关注频道：@quanshoulu
    💬频道社群：https://www.noisework.cn/qun/
    📬投稿bot：@noisewowbot
    📇搜索bot：@Efficiencysearchbot
    🎁访问主页： www.noisework.cn

  12. #语音合成
    SummerTTS 是一个基于C++的独立编译的中文语音合成项目，可以本地运行不需要网络，而且没有额外的依赖，一键编译完成即可用于中文语音合成
    https://github.com/huakunyang/SummerTTS
    GitHub
    GitHub - huakunyang/SummerTTS: SummerTTS 是一个基于C++的独立编译的中文和英文语音合成项目，可以本地运行不需要网络，而且没有额外的依赖，一键编译完成即可用于中文和英文的语音合成。SummerTTS is a standalone…
    GitHub - huakunyang/SummerTTS: SummerTTS 是一个基于C++的独立编译的中文和英文语音合成项目，可以本地运行不需要网络，而且没有额外的依赖，一键编译完成即可用于中文和英文的语音合成。SummerTTS is a standalone…
    SummerTTS 是一个基于C++的独立编译的中文和英文语音合成项目，可以本地运行不需要网络，而且没有额外的依赖，一键编译完成即可用于中文和英文的语音合成。SummerTTS is a standalone Chinese and English speech synthesis(TTS) project that has almost no dependency and could b...

  13. #PHP #源码 #语音合成
    微软文本转语音网页版源码
    微软语音合成网页版源码，调用的是官方api
    1.将压缩包内的index.html等文件放到你的站点里，
    2.修改getSpeek.php文件中apikey（密钥）与region（地区）为你自己的，在微软语音合成官网获取。
    3.之后访问index.html文件就可以正常运行了。
    https://noise.lanzoul.com/icuwb0n5xnyj
    📡发布：https://noisevip.cn/15735.html
    📢关注频道：@quanshoulu
    💬留言讨论：@Efficiencyfollow
    📬投稿bot：@noisewowbot
    📇搜索bot：@Efficiencysearchbot
    🎁访问主页： www.noisework.cn

  14. #开源 #语音合成 #telegram #bot
    具有语音消息识别和生成的电报机器人。语音到文本和文本到语音
    https://github.com/tochilkinva/tg_bot_stt_tts
    GitHub
    GitHub - tochilkinva/tg_bot_stt_tts: Telegram bot with voice message recognition and generation. Speech to Text and Text to Speech
    Telegram bot with voice message recognition and generation. Speech to Text and Text to Speech - tochilkinva/tg_bot_stt_tts

  16. #开源 #语音合成 #安卓 #win
    微软TTS服务转发，以便在阅读APP中通过网络导入方式收听微软TTS / Edge大声朗读
    https://github.com/jing332/tts-server-go
    GitHub
    GitHub - jing332/tts-server-go: 微软TTS服务转发，以便在阅读APP中通过网络导入方式收听微软TTS / Edge大声朗读
    GitHub - jing332/tts-server-go: 微软TTS服务转发，以便在阅读APP中通过网络导入方式收听微软TTS / Edge大声朗读
    微软TTS服务转发，以便在阅读APP中通过网络导入方式收听微软TTS / Edge大声朗读. Contribute to jing332/tts-server-go development by creating an account on GitHub.

  19. #开源 #语音合成
    一个可以录制 Microsoft Edge 浏览器的语音合成（TTS）语音并输出为 .wav 音频的（windows平台）工具。
    https://github.com/LuckyHookin/edge-TTS-record
    GitHub
    GitHub - LuckyHookin/edge-TTS-record: 一个可以录制 Microsoft Edge 浏览器的语音合成（TTS）语音并输出为 .wav 音频的（windows平台）工具。
    GitHub - LuckyHookin/edge-TTS-record: 一个可以录制 Microsoft Edge 浏览器的语音合成（TTS）语音并输出为 .wav 音频的（windows平台）工具。
    一个可以录制 Microsoft Edge 浏览器的语音合成（TTS）语音并输出为 .wav 音频的（windows平台）工具。 - LuckyHookin/edge-TTS-record