MOSS-TTS-Nano：轻量级多语言零样本TTS模型，CPU实时语音合成
MOSS-TTS-Nano 是由 OpenMOSS 团队开源的一款超轻量级多语言文本转语音（TTS）模型，依托 MOSS 大模型生态构建，主打小体积、低延迟、低硬件门槛与高音质输出，是面向端侧设...
Voicebox：开源本地AI语音合成工具，本地运行零样本语音克隆与多轨编辑
Voicebox是一款开源本地优先AI语音合成工具，主打隐私安全、全功能语音创作与跨平台高性能运行。作为免费的 ElevenLabs 开源替代方案，它支持零样本语音克隆、7款TTS引擎、...
StepAudio 2.5 TTS：阶跃星辰推出的高精度文本转语音模型
StepAudio 2.5 TTS是阶跃星辰推出的新一代AI文本转语音模型，以全局语境控制、文中语境精细调节、零样本音色复刻为核心能力，支持自然语言描述式情感与风格调控，延迟低、音...
OmniVoice：小米开源的646种语言零样本文本转语音（TTS）系统
OmniVoice是k2-fsa团队（小米Kaldi团队）开源的超大规模多语言零样本文本转语音（TTS）系统，基于创新单阶段离散非自回归扩散语言模型架构，支持646种语言的高质量语音生成...
Listnr AI：支持142种语言与1000种声音的AI语音生成与文本转语音平台
Listnr AI是一款基于生成式人工智能技术的在线文本转语音（Text-to-Speech）与语音生成平台。该平台的核心功能是将用户输入的文字内容，转换为高度拟人化、自然流畅的语音音...
LongCat-AudioDiT：美团开源的高保真零样本语音克隆与文本转语音模型
LongCat-AudioDiT是美团LongCat开源的基于扩散模型的高保真文本转语音（TTS）与零样本语音克隆模型，是当前语音合成领域的SOTA（State-of-the-Art）方案之一。该模型彻底革...
Voxtral TTS：Mistral AI开源的多语言语音合成模型，3秒克隆音色+超低延迟生成自然语音
Voxtral TTS是法国AI公司Mistral AI于2026年3月发布的首款开源文本转语音（Text-to-Speech, TTS）模型，也是业界首个专为企业级应用设计、具备前沿质量的开放权重TTS模型。
AnySpeech ：支持100+种声音与50+种语言的AI文本转语音工具
AnySpeech是一个面向全球内容创作者的专业AI文本转语音（Text-to-Speech, TTS）平台。该平台的核心功能是将用户输入的文字内容，通过人工智能技术，转换为高质量、自然逼真...
Ming-omni-tts：开源统一音频生成模型，精准可控语音/音乐/音效一体化合成
Ming-omni-tts是inclusionAI开源的高性能端到端统一音频生成模型，依托自研12.5Hz连续音频Tokenizer与Patch-by-Patch压缩策略，实现语音、音乐、环境音效单通道联合生成，支...
MLX-Audio：面向Apple Silicon的开源本地AI语音文字互转与语音转换工具
MLX-Audio是基于苹果MLX框架深度开发、专为Apple Silicon M系列芯片优化的开源音频处理库，完整覆盖文本转语音、语音转文本、语音转语音三大核心能力，支持多语言、多主流模...
Qwen3-TTS：通义千问开源的AI语音合成模型，实现多语种语音生成与定制化音色创作
Qwen3-TTS是通义千问开源的一站式多语言语音生成模型全家桶，基于自研Qwen3大模型体系构建，采用离散多码本LM架构与Dual-Track双轨流式生成技术，实现语音克隆、语音设计、...
FlowSpeech：支持70+语言的专业AI语音生成器，打造逼真人声TTS配音
FlowSpeech是一款先进的AI语音生成器，致力于提供接近真人的专业TTS配音服务。通过深度理解上下文并支持停顿与情绪控制，FlowSpeech能够生成高度逼真的语音，适用于各种项目...
VoiceSculptor：开源语音定制合成框架，自然语言指令驱动的音色设计与语音克隆工具
VoiceSculptor 是由西北工业大学音频语音与语言处理研究组 主导开发并开源的语音智能处理类开源项目，是一款专注于「自然语言可控的语音定制与语音合成」的全链路工具框架，...
Voicemaker：AI驱动的语音生成与音频增强一体化平台
Voicemaker 是一款基于人工智能技术打造的多功能语音生成与处理平台，专注于为用户提供从文本转语音（Text-to-Speech, TTS）、语音到语音转换（Speech-to-Speech）、语音克...
Chatterbox：开源的高性能TTS模型，支持23种语言零样本克隆与情感语音合成
Chatterbox是由Resemble AI团队打造的一款开源生产级文本转语音（TTS）模型家族，并非单一模型，而是三款针对性优化的先进TTS模型组合，整体以轻量化架构实现了媲美商业闭源...