Whisper Speech：開源文字轉語音系統
Whisper Speech是一款完全開源的文字轉語音模型，由Collabora和Lion在Juwels超級計算機上訓練。它支援多種語言和多種形式的輸入，包括Node.js、Python、Elixir、HTTP、Cog和Docker。該模型的優勢在於高效的語音合成和靈活的部署方式。定價方面，Whisper Speech完全免費。它定位於為開發者和研究人員提供一個強大的、可定製的文字轉語音解決方案。
Crikk：真實的文字轉語音技術
Crikk是一款價格實惠的強大文字轉語音工具，支援56種語言，提供真實的語音合成技術。無論是用於語音播報、有聲書還是教育，Crikk都能為使用者提供高質量的聲音合成。使用者可以選擇免費試用或者採用月費20美元的專業版，月額度為500,000個字元，擁有6種不同的聲音和56種語言。此外，Crikk還將推出移動應用，實現圖片或PDF的文字轉語音。Monster Incorporation Inc.位於Delaware，United States。
audio2photoreal：從音訊生成照片般逼真的人類avatar
audio2photoreal是一個從音訊生成照片級逼真avatar的開源專案。它包含了一個pytorch實現,可以從音訊中合成交談中的人類形象。該專案提供了訓練程式碼、測試程式碼、預訓練的運動模型以及資料集訪問。它的模型包括人臉擴散模型、人體擴散模型、人體VQ VAE模型和人體引導變換器模型。該專案讓研究人員和開發者能夠訓練自己的模型,並基於語音合成高質量的逼真avatar。
OpenAIDonakosy：一站式AI內容生成工具
OpenAI Donakosy是一個功能強大的AI平臺，可以生成各種文字內容，包括文章、部落格、廣告、銷售和營銷檔案、社交媒體內容、商業名稱和獲勝策略等，支援53種語言。它還提供了高階分析、團隊管理、專案管理和自定義模板等功能。立即註冊免費試用吧！
BASE TTS：亞馬遜的大規模語音合成模型
BASE TTS是亞馬遜開發的大規模文字到語音合成模型,運用了10億引數的自動迴歸轉換器,可將文字轉換成語音程式碼,再透過卷積解碼器生成語音波形。該模型使用了超過10萬小時的公共語音資料進行訓練,實現了語音自然度的新狀態。還具有音素解離和壓縮等新穎的語音編碼技術。隨著模型規模的增大,BASE TTS展現出了處理複雜句子的自然語調能力。
Stability AI text-to-speech models：Stability AI 高保真文字轉語音模型
Stability AI 高保真文字轉語音模型旨在提供對大規模資料集進行訓練的語音合成模型的自然語言引導。它透過標註不同的說話者身份、風格和錄音條件來進行自然語言引導。然後將此方法應用於45000小時的資料集，用於訓練語音語言模型。此外，該模型提出了提高音訊保真度的簡單方法，儘管完全依賴於發現的資料，但在很大程度上表現出色。
MetaVoice-1B：MetaVoice-1B是一個語音合成模型。
MetaVoice-1B是一個1.2B引數的語音合成基礎模型,透過訓練10萬小時的語音資料而成。它具有以下特點:支援英語情感語調和語氣;支援語音克隆;少量資料(1分鐘內)就可實現印度語音克隆;無參克隆美式和英式語音(30秒音訊);支援長文字語音合成。我們在Apache 2.0許可下免費開源這個模型,可以無限制使用。
celebrity ai voice generator：快速建立任何名人的AI語音
Celebrity AI Voice Generator是一個免費的線上工具，可以快速生成任何名人的語音。它使用先進的AI技術，透過分析名人的聲音樣本來模擬和生成他們的語音。使用者只需輸入名人的名稱，即可生成相應的語音。Celebrity AI Voice Generator可用於個人娛樂、教育、廣告等多種場景。
Pipio | Video Dubbing：輕鬆翻譯影片,我們的AI可以完美匹配說話者的嘴型
該產品透過AI技術實現影片語音的自動配音和口型同步,可以輕鬆實現影片的多語種翻譯,並保留原始音色。主要特點包括:1)33%以上的同步精度,媲美人工口型同步;2)無損影片解析度;3)高保真語音翻譯。面向的群體包括:企業培訓部門、銷售人員、營銷團隊和內容創作者。提供免費入門版和付費專業版,歡迎體驗。
Aura TTS Demo by Deepgram：Deepgram的Aura TTS演示，展示了先進的語音合成技術。
Aura TTS（文字轉語音）演示展現了Deepgram的高階語音合成技術，可以將文字轉換成自然發音的語音，並提供多種聲音選項。