阅读约 7 分钟
Amazon Polly：AWS 云端文字转语音，四种引擎
Amazon Polly 是 AWS 的云端 TTS 服务，提供四种不同的语音引擎，从价格低廉的 Standard 语音到高端 Long-Form 旁白，并与 AWS 紧密集成。
TTSAmazon PollyAWS云端 APISSML
阅读更多AI 模型
解读开源与热门 AI 语音模型，并了解如何在 Echora 上体验对应能力。
阅读约 8 分钟
Azure AI Speech：微软云端神经文本转语音
Azure AI Speech 是微软官方云端 TTS 服务，提供数百种神经语音、自定义声音训练，以及可在实际规模下使用的完整 SSML 控制。
TTSAzure AI Speech神经语音SSML云端 API
阅读更多阅读约 7 分钟
Edge TTS：免费使用 Microsoft 神经语音合成
Edge TTS 是一款免费开源工具，可调用 Microsoft Edge“朗读”功能背后的同款在线声音，无需 API 密钥或账号。
Edge TTSMicrosoft Edge文本转语音神经语音Python TTS
阅读更多7 分钟阅读
SeamlessM4T：Meta 一体化语音翻译模型
SeamlessM4T 是 Meta 推出的开源模型，将语音识别、翻译和语音合成统一到一个系统中，覆盖多达 100 种语言。
语音翻译多语言语音语音到语音翻译自动语音识别SeamlessM4T
阅读更多阅读约 6 分钟
MaskGCT：Amphion 掩码生成式零样本 TTS 模型
MaskGCT 是 Amphion 的一款非自回归 TTS 模型，完全跳过对齐和时长预测，只需 5 秒音频即可克隆声音。
TTSAmphion掩码生成式声音克隆MaskGCT
阅读更多7 分钟阅读
FireRedTTS：小红书面向配音与聊天的基础 TTS 模型
FireRedTTS 是小红书推出的基础 TTS 框架，既为配音提供零样本声音克隆，也为 AI 聊天机器人提供经过指令微调的自然口语生成。
FireRedTTSTTS小红书声音克隆对话语音配音
阅读更多7 分钟阅读
Spark-TTS：采用单一编解码器的零样本声音克隆
Spark-TTS 使用基于 Qwen2.5 构建的单流语音编解码器 BiCodec，在一个开放模型中同时实现零样本声音克隆和完全合成的声音生成。
TTS声音克隆零样本声音克隆BiCodecSpark-TTS
阅读更多7 分钟阅读
NeuTTS Air：轻量级端侧声音克隆模型
NeuTTS Air 是 Neuphonic 推出的端侧 TTS 模型，参数不足 10 亿，只需 3 秒音频即可克隆声音，并可在手机和树莓派上运行。
NeuTTS Air端侧 TTS声音克隆轻量级 TTSGGUF树莓派Neuphonic
阅读更多7 分钟阅读
Kyutai Pocket TTS：100M 参数 CPU 实时模型
Kyutai Pocket TTS 是一款 100M 参数、采用 MIT 许可证的模型，仅凭 CPU 即可进行实时语音合成和零样本声音克隆，无需 GPU。
Kyutai Pocket TTSCPU 文字转语音实时 TTS零样本声音克隆CALMMIT 许可证
阅读更多7 分钟阅读
KaniTTS：超低显存文本转语音，仅需 3GB
KaniTTS 将紧凑的 LFM2 语言模型与高效的神经音频编解码器相结合，只需总计 3GB 的 GPU 显存即可运行实时语音合成。
KaniTTS文本转语音低显存 TTS语音 LLM实时 TTS开源
阅读更多阅读约 7 分钟
VoxCPM：无分词器的中英双语低延迟 TTS 模型
VoxCPM 是 OpenBMB 推出的无分词器中英双语 TTS 模型，在消费级 GPU 上可达到 0.17 的实时因子，并能根据上下文自动生成韵律。
VoxCPMTTS无分词器语音合成双语 TTS低延迟流式生成OpenBMB
阅读更多7 分钟阅读
Voxtral TTS：Mistral 开放权重声音克隆模型
Voxtral TTS 是 Mistral AI 推出的 4B 开放权重模型，只需 2–3 秒音频即可克隆声音，并在质量上与 ElevenLabs 进行了直接基准测试。
TTS开放权重 TTS声音克隆多语言 TTSVoxtral TTS
阅读更多