Yovoice：开源本地AI语音工作台，支持音色克隆与AI歌曲生成
Yovoice是开源本地离线语音工作台，支持TTS文字转语音、音色克隆、多角色有声书配音、AI歌曲生成、MIDI编曲，Windows/macOS可用，不上传素材，无云端扣费。
HeyGen Voice：HeyGen自研的AI语音大模型
HeyGen Voice是HeyGen自研AI语音大模型，支持文本转语音、即时/专业语音克隆，原生配套数字人Avatar，实现语音与口型精准同步，可独立导出音频或生成数字人视频，附带API接...
VoiceStudio：开源离线语音工具箱，支持多引擎TTS、批量有声书生成
VoiceStudio是开源本地语音工作台，全部推理本地执行，支持零样本语音克隆、ASR语音转写、视频离线配音、批量有声书生成，提供桌面端、Docker部署，内置多语种TTS/ASR引擎。...
Qwen-Audio-3.1：阿里通义千问推出的新一代音频模型
Qwen-Audio-3.1是阿里云通义千问新一代全套音频大模型，包含Realtime实时语音Agent、ASR语音识别、TTS声景生成，支持全双工对话、方言识别、分角色转写，提供API接入方案。
AuK：腾讯混元推出的统一指令式语音基础模型
AuK 是腾讯混元团队开源的1.5B参数语音基础模型，采用MIT开源协议。它最大的特点是使用自然语言统一指令接口，把语音合成、语音编辑、语音增强、声源分离等多种语音任务整合...
FireRedAudio：小红书开源的9B通用音频大模型
FireRedAudio是小红书开源发布的通用音频语言大模型，基于9B参数主干模型，采用解耦连续表征架构，单模型同时实现音频理解、语音生成、语音编辑三大类能力。
Breeze TTS 2：BreezeBlue推出的面向实时交互的可控流式语音合成模型
Breeze TTS 2是国内AI语音企业BreezeBlue发布的新一代TTS语音合成模型。它专门面向实时人机交互场景，将语音设计、角色演绎、低延迟流式生成整合为一体化模型，不再局限传统...
FireRedTTS3：小红书开源的多语言指令式语音生成与编辑TTS项目
FireRedTTS3是小红书推出的开源PyTorch端到端语音生成项目，基于语义增强连续语音表征技术，分为Base、Instruct两大模型版本，采用Apache‑2.0开源协议。项目兼顾零样本音色...
Luna‑TTS：宇生月伴推出的扩散语言模型多语言AI文本转语音工具
Luna‑TTS是VUI Labs（宇生月伴）研发的扩散‑语言模型架构的文本转语音（TTS）项目，整套家族包含Luna‑TTS全并行版本、Luna‑TTS Realtime实时流式两个子模型，主干网络参...
dots.tts：小红书联合上交大开源的全连续端到端语音合成基座
dots.tts 是 小红书dots团队联合上海交大X‑LANCE实验室开源的全连续端到端自回归TTS语音合成基座项目，Apache‑2.0开源协议，总参数量约20B，最大特点是全程不使用离散声学...
Vocalove：在线AI语音克隆平台，30秒样本复刻人声
Vocalove是网页端AI声音克隆工具，仅需3～30秒音频样本即可复刻人声，免安装浏览器直接使用，支持内置TTS音色，可生成纯音频或者会说话人像纪念视频，免费预览，一次性点数...
MAI-Voice-2-Flash：微软推出的低延迟高并发企业级实时语音合成TTS模型
MAI-Voice-2-Flash是微软于2026年7月官方发布、基于自研MAI语音基座训练的极速低延迟文本转语音（TTS）模型，隶属于微软MAI语音模型家族，依托Azure AI Foundry与Azure语音...
Qwen-Audio-3.0-TTS：阿里通义千问推出的工业化语音合成模型
Qwen-Audio-3.0-TTS 是阿里巴巴 Token Foundry 团队研发的工业化高质量语音合成模型，归属通义千问音频系列。模型面向真实生产场景打造，主打高保真音色克隆、多语种与汉语...
ViiTorVoice-NAR：开源本地AI语音克隆与音频局部编辑工具
ViiTorVoice-NAR是viitor-ai开源非自回归语音生成工具，支持零样本音色克隆、文本局部音频修改、60ms超低延迟推理，提供Gradio可视化、gRPC微服务、Docker容器部署，原生中...
Confucius4-TTS：网易有道开源的多语种TTS语音合成引擎
Confucius4-TTS是网易有道推出基于LLM架构的开源跨语种零样本语音合成引擎，支持14种语言免参考文本音色克隆、无口音跨语种语音迁移、音频情感同步复刻，提供在线Gradio演示...