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、...
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...
Step-Audio-EditX：阶跃星辰推出的开源AI音频编辑工具，支持零样本TTS与多维度语音特征定制
Step-Audio-EditX是阶跃星辰推出的一款开源音频编辑工具，基于 30 亿参数的大语言模型（LLM）构建，专注于提供富有表现力和迭代式的音频编辑体验。该工具不仅支持普通话、英...
ebook2audiobook：开源电子书转有声书工具，支持 1110 + 语言与多模型语音克隆
ebook2audiobook是一款开源的电子书转有声书工具，核心功能是将非DRM合法电子书转换为带章节结构与元数据的有声书。工具支持1110+种语言，集成XTTSv2、Bark、Vits等主流TTS...
SoulX-Podcast：Soul开源的多轮对话 TTS 工具，实现播客级语音生成与跨方言克隆
SoulX-Podcast 是由 Soul 开源的语音生成项目，聚焦播客风格的多轮、多说话人对话语音合成，同时兼容传统独白式 TTS 任务。该项目支持普通话、英语及四川话、河南话、粤语等...
Orpheus TTS：基于 LLM 的开源文本到语音合成工具，支持零样本克隆与低延迟流式推理
Orpheus TTS是由Canopy AI开发的开源文本到语音（TTS）系统，以Llama-3b大型语言模型（LLM）为骨干，突破性地将LLM能力应用于语音合成领域。该项目支持零样本语音克隆、可控...
Fish Speech：开源文本转语音解决方案，支持高质量语音合成与跨语言语音克隆
Fish Speech（后更名OpenAudio）是由fishaudio团队开发的开源文本转语音（TTS）解决方案，核心基于OpenAudio-S1系列模型，提供高质量语音合成、跨语言语音克隆、情感语气控...
Real-Time-Voice-Cloning：基于深度学习的实时语音克隆框架，实现高质量语音合成与个性化声音定制
Real-Time-Voice-Cloning 是一个基于深度学习的开源语音克隆框架，能够通过几秒钟的音频样本克隆说话人的声音，并基于任意文本生成该说话人的语音。该项目实现了 SV2TTS架构...
NeuTTS Air：开源超写实文本转语音框架，支持设备端部署与即时语音克隆
NeuTTS Air 是一个开源文本转语音项目，专注于设备端部署和即时语音克隆功能。它采用先进的 LM+codec 架构，在保持轻量级和高效率的同时，提供高质量、超写实的语音合成。仅...
Spark-TTS：开源的文本到语音合成(TTS)系统，支持高质量语音克隆与多语言合成
Spark-TTS 是一个基于大语言模型（LLM）架构的高效文本到语音（TTS）系统，由 SparkAudio 团队开发并开源。该项目最大的特点是不依赖额外的声码器，直接通过 LLM 预测语音的...