7 分钟阅读
Qwen3-TTS：阿里巴巴开源声音克隆模型
Qwen3-TTS（Qwen-TTS）是阿里巴巴的开源 TTS，延迟 97ms，只需 3 秒音频即可克隆声音，还支持文字设计音色，覆盖 10 种语言，可免费试用。
TTS开源 TTS声音克隆音色设计Qwen3-TTS
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 7 分钟
IndexTTS2：为视频配音打造的时长可控 TTS
IndexTTS 2 是首个具备毫秒级时长控制和情感与音色解耦能力的自回归 TTS，专为视听配音同步而打造。
TTS时长控制视频配音情感控制IndexTTS2
阅读更多8 分钟阅读
IndexTTS：B 站开源的零样本声音克隆 TTS
IndexTTS 是 B 站开源的 TTS，支持用拼音纠正发音和通过标点控制停顿，并在准确性方面超过 XTTS 和 F5-TTS。
TTS零样本声音克隆中文 TTS发音控制IndexTTS
阅读更多7 分钟阅读
CosyVoice3：方言覆盖更广，发音更准确
CosyVoice3 覆盖 9 种语言和 18+ 种中文方言，加入发音修复功能，并在克隆准确性基准测试中击败 F5-TTS 等更大模型。
TTS多语言 TTS方言 TTS声音克隆CosyVoice3
阅读更多阅读约 6 分钟
CosyVoice2：流式低延迟多语言 TTS 模型
CosyVoice2 以 150ms 首包延迟流式生成语音，相比 CosyVoice 将发音错误减少 30–50%，并加入可指令控制的情绪与口音。
TTS流式 TTS低延迟 TTS声音克隆CosyVoice2
阅读更多阅读约 6 分钟
CosyVoice：阿里巴巴 FunAudioLLM 零样本文本转语音模型
CosyVoice 是阿里巴巴 FunAudioLLM 开源的 TTS 模型，采用受监督语义 token，以仅 3 亿参数实现覆盖 5 种语言的零样本声音克隆。
TTS开源 TTS声音克隆多语言 TTSCosyVoice
阅读更多阅读约 7 分钟
Kokoro TTS：可在 CPU 上运行的 8200 万参数轻量语音模型
Kokoro-82M 是一款采用 Apache-2.0 许可证的 TTS 模型，提供覆盖 8 种语言的 54 个声音，可在无需 GPU 的 CPU 上快速运行。免费、开源且易于自托管。
TTS开源模型CPU TTSAI 语音Kokoro-82M
阅读更多阅读约 7 分钟
Chatterbox Multilingual：支持 23 种语言的声音克隆
Chatterbox Multilingual 只需 5–10 秒音频即可克隆声音，并用 23 种语言说话，同时保持口音和音色一致。开源，采用 MIT 许可证。
TTS多语言 TTS声音克隆跨语言声音Chatterbox Multilingual
阅读更多阅读约 8 分钟
Chatterbox Turbo：单步蒸馏的超高速 TTS 模型
Chatterbox Turbo 将 TTS 生成从 10 步蒸馏为 1 步，把实时语音智能体的延迟降至 150 毫秒以内。快速、开源，并采用 MIT 许可证。
TTS开源模型声音克隆AI 语音Chatterbox Turbo
阅读更多阅读约 8 分钟
Chatterbox TTS：Resemble AI 开源声音克隆模型
Chatterbox 是 Resemble AI 推出的开源 TTS 模型，支持零样本声音克隆、情绪强度控制和内置水印。了解它与 ElevenLabs 的实际对比。
TTS开源模型声音克隆AI 语音Chatterbox
阅读更多阅读约 8 分钟
Dia2 TTS：实时流式对话语音模型
Dia2 是 Nari Labs 为 Dia TTS 推出的流式升级版：在接收文本的同时实时生成多说话人对话，并保持各说话人的声音一致。了解它的工作原理。
TTS开源模型流式音频AI 语音Dia2
阅读更多阅读约 8 分钟
Dia TTS（Dia 1.6B）| 多说话人对话 AI 语音模型
Nari Labs 的 Dia 1.6B 是一款开源语音模型，可一次生成带有真实情绪、笑声和叹息的多说话人对话。现在即可免费在线体验。
TTS开源模型声音克隆AI 语音Dia
阅读更多