Loading video...

Video Failed to Load

Go Home

c 支持多国语言，支持语音克隆，克隆效果可以与IndexTTS 2一战。 Github： 模型：

Gorden_Sun's profile picture

Gorden Sun

53,757 subscribers

22,228 views • 3 months ago •via X (Twitter)

Science & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

一个声音克隆工具：clone-voice 支持文字转成指定音色的语音，也可语音音色转换 带界面，支持在线录音 支持中文、英文、日语、韩语、法语、德语、意大利语等16种语言 github地址在下条 #声音克隆工具 #clonevoice
0:50

一个声音克隆工具：clone-voice 支持文字转成指定音色的语音，也可语音音色转换 带界面，支持在线录音 支持中文、英文、日语、韩语、法语、德语、意大利语等16种语言 github地址在下条 #声音克隆工具 #clonevoice

AIGCLINK

62,507 views • 1 year ago

GPT-SoVITS：适用于中文的语音克隆 昨天刚发布，有评论说是目前中文最佳，支持通过5秒音频克隆、1分钟音频克隆，也支持通过完整训练来克隆。 Github： B站演示视频：
1:25

GPT-SoVITS：适用于中文的语音克隆 昨天刚发布，有评论说是目前中文最佳，支持通过5秒音频克隆、1分钟音频克隆，也支持通过完整训练来克隆。 Github： B站演示视频：

Gorden Sun

137,297 views • 2 years ago

刚开源的一款不错的TTS模型：Zonos-v0.1，表达能力和音质很不错，支持语音克隆，可对语速、音调变化、音质以及情感精细控制 10-30s声音样本即可高质量语音克隆 支持英语、日语、中文、法语和德语 可精细调控语速、音调、最高频率、音质以及各种情感 响应速度快，在RTX 4090上，实时率约为2倍 #TTS #语音模型 #Zonos
1:02

刚开源的一款不错的TTS模型：Zonos-v0.1，表达能力和音质很不错，支持语音克隆，可对语速、音调变化、音质以及情感精细控制 10-30s声音样本即可高质量语音克隆 支持英语、日语、中文、法语和德语 可精细调控语速、音调、最高频率、音质以及各种情感 响应速度快，在RTX 4090上，实时率约为2倍 #TTS #语音模型 #Zonos

AIGCLINK

18,116 views • 1 year ago

阶跃星辰开源了一个130B 语音-文本的多模态模型 ：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。 该模型通过多模态训练，使得语音理解与生成可以无缝对接。 主要能力： 语音克隆 支持多种语言对话（中文英日） 情绪控制与语调控制 支持方言 可控制语速及韵律风格 支持RAP和哼唱等 集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。
1:35

阶跃星辰开源了一个130B 语音-文本的多模态模型 ：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。 该模型通过多模态训练，使得语音理解与生成可以无缝对接。 主要能力： 语音克隆 支持多种语言对话（中文英日） 情绪控制与语调控制 支持方言 可控制语速及韵律风格 支持RAP和哼唱等 集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

小互

35,755 views • 1 year ago

效果非常不错的一款TTS，一个完全非自回归的TTS模型：MaskGCT 它不需要文本和语音之间的显式对齐信息，也不需要音素级别的持续时间预测，采用了掩码和预测的学习方式，在声音克隆、跨语种合成、语音控制等方面表现优秀 1、支持控制生成语音的总长度，可调节语速、停顿等韵律特征、支持情感控制和语气调整，比如开心的、悲伤的、生气的、平静的等情绪 2、支持零样本语音合成，可以修改已生成的语音，支持声音转换和克隆 github： 项目： #TTS #MaskGCT
1:15

效果非常不错的一款TTS，一个完全非自回归的TTS模型：MaskGCT 它不需要文本和语音之间的显式对齐信息，也不需要音素级别的持续时间预测，采用了掩码和预测的学习方式，在声音克隆、跨语种合成、语音控制等方面表现优秀 1、支持控制生成语音的总长度，可调节语速、停顿等韵律特征、支持情感控制和语气调整，比如开心的、悲伤的、生气的、平静的等情绪 2、支持零样本语音合成，可以修改已生成的语音，支持声音转换和克隆 github： 项目： #TTS #MaskGCT

AIGCLINK

103,720 views • 1 year ago

阶跃开源了一个统治级 130B 的超大语音模型！！！ 业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统 - 支持多语言对话（中文，英文，日语） - 语音情感（开心，悲伤） - 方言（粤语，四川话） - 可控制语速及韵律风格 - 支持RAP和哼唱等 - 语音克隆 太强了，这下真的一步到位了
1:00

阶跃开源了一个统治级 130B 的超大语音模型！！！ 业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统 - 支持多语言对话（中文，英文，日语） - 语音情感（开心，悲伤） - 方言（粤语，四川话） - 可控制语速及韵律风格 - 支持RAP和哼唱等 - 语音克隆 太强了，这下真的一步到位了

歸藏(guizang.ai)

148,406 views • 1 year ago

最新轻量级TTS模型，OuteAI的升级版：OuteTTS-0.2-500M，提示跟随和输出连贯性比前一版更好，声音效果非常流畅自然，支持多语言和声音克隆 基于Qwen 2.5 0.5B开发，这次还提高了声音克隆能力，多样性和准确性有提升 增加了对多语言的支持，增加了中文、韩语、日语 非常适合在资源受限的设备上部署 #TTS #OuteTTS
0:50

最新轻量级TTS模型，OuteAI的升级版：OuteTTS-0.2-500M，提示跟随和输出连贯性比前一版更好，声音效果非常流畅自然，支持多语言和声音克隆 基于Qwen 2.5 0.5B开发，这次还提高了声音克隆能力，多样性和准确性有提升 增加了对多语言的支持，增加了中文、韩语、日语 非常适合在资源受限的设备上部署 #TTS #OuteTTS

AIGCLINK

21,353 views • 1 year ago

字节新出的一款轻量级TTS模型：MegaTTS3，0.45B，高质量语音克隆，支持中英文以及中英文混合 支持口音强度控制，后面会支持更细粒度的发音和时长调整 #TTS #MegaTTS3
1:24

字节新出的一款轻量级TTS模型：MegaTTS3，0.45B，高质量语音克隆，支持中英文以及中英文混合 支持口音强度控制，后面会支持更细粒度的发音和时长调整 #TTS #MegaTTS3

AIGCLINK

48,872 views • 1 year ago

智谱刚刚开源了情感语音模型 GLM-4.Voice，一款端到端语音模型，能情感共鸣、支持打断、多语言多方言支持 能力： 1、情感表达和情感共鸣：可以模拟不同的情感和语调，高兴、悲伤、生气、害怕等情绪，会用合适的情绪语气回复 2、调节语速：可以要求TA快点说or慢点说 3、随时打断：可以根据实时的指令，调整语音输出的内容、风格和情感，支持更灵活的对话互动 4、多语言、多方言支持：目前支持中英文语音以及中国各地方言，擅长粤语、重庆话、北京话 github： 目前该模型的能力已同步上线清言app
2:32

智谱刚刚开源了情感语音模型 GLM-4.Voice，一款端到端语音模型，能情感共鸣、支持打断、多语言多方言支持 能力： 1、情感表达和情感共鸣：可以模拟不同的情感和语调，高兴、悲伤、生气、害怕等情绪，会用合适的情绪语气回复 2、调节语速：可以要求TA快点说or慢点说 3、随时打断：可以根据实时的指令，调整语音输出的内容、风格和情感，支持更灵活的对话互动 4、多语言、多方言支持：目前支持中英文语音以及中国各地方言，擅长粤语、重庆话、北京话 github： 目前该模型的能力已同步上线清言app

AIGCLINK

18,706 views • 1 year ago

MaskGCT：一个新的零样本文本到语音（TTS）模型 支持跨语言翻译配音、语音克隆、语言转换、情感控制等 与现有的TTS系统相比，MaskGCT 在语音的自然度、相似度和可理解性方面表现更佳。 支持对语音生成的多样性和情感控制以及对通过文本对音频内容进行实时可控编辑。 同时模型大幅降低了推理时间，适合实时应用​。
1:55

MaskGCT：一个新的零样本文本到语音（TTS）模型 支持跨语言翻译配音、语音克隆、语言转换、情感控制等 与现有的TTS系统相比，MaskGCT 在语音的自然度、相似度和可理解性方面表现更佳。 支持对语音生成的多样性和情感控制以及对通过文本对音频内容进行实时可控编辑。 同时模型大幅降低了推理时间，适合实时应用​。

小互

49,351 views • 1 year ago

实时语音交互数字人的一个项目：VideoChat，支持端到端语音方案，可自定义数字人形象与音色，支持音色克隆 支持唇形同步，支持视频流输出 支持端到端语音方案和级联方案 首包延迟低，级联方案3秒，端到端方案7秒 github： #数字人 #VideoChat #AI数字人
0:22

实时语音交互数字人的一个项目：VideoChat，支持端到端语音方案，可自定义数字人形象与音色，支持音色克隆 支持唇形同步，支持视频流输出 支持端到端语音方案和级联方案 首包延迟低，级联方案3秒，端到端方案7秒 github： #数字人 #VideoChat #AI数字人

AIGCLINK

16,365 views • 1 year ago

小米竟然开源了TTS模型 OmniVoice！ - 支持600+种语言 - 支持声音克隆 - 支持声音控制：性别、年龄、音调等等 - 超低延迟，实时性极强（我在4090上试了下，确实快） 地址点击：
2:11

小米竟然开源了TTS模型 OmniVoice！ - 支持600+种语言 - 支持声音克隆 - 支持声音控制：性别、年龄、音调等等 - 超低延迟，实时性极强（我在4090上试了下，确实快） 地址点击：

nash_su - e/acc

67,304 views • 3 months ago

发一下这两天小红书放出来的一款多人对话TTS：FireRedTTS-2，效果听起来相对自然稳定，没有串声跳音 支持一次生成3分钟4人播客，通过扩展训练数据能支持更长对话、更多说话人 在L20 GPU上，首包延迟140毫秒，可以用来做语音客服、直播配音了 支持7国语言，零样本克隆，可以做比如中英混合语音合成 #TTS #FireRedTTS2
2:06

发一下这两天小红书放出来的一款多人对话TTS：FireRedTTS-2，效果听起来相对自然稳定，没有串声跳音 支持一次生成3分钟4人播客，通过扩展训练数据能支持更长对话、更多说话人 在L20 GPU上，首包延迟140毫秒，可以用来做语音客服、直播配音了 支持7国语言，零样本克隆，可以做比如中英混合语音合成 #TTS #FireRedTTS2

AIGCLINK

15,372 views • 9 months ago

卧槽 兄弟们 Soul发布的这个语音模型 很强 SoulX-Podcast实现了： 高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成 具备方言与副语言（如笑声、叹气等）控制能力 可连续生成 90 分钟以上 的对话内容而不失稳定性 支持普通话、英语及多种中文方言多人多轮对话 还支持在零样本（zero-shot）条件下完成声音与语气的克隆与迁移
0:35

卧槽 兄弟们 Soul发布的这个语音模型 很强 SoulX-Podcast实现了： 高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成 具备方言与副语言（如笑声、叹气等）控制能力 可连续生成 90 分钟以上 的对话内容而不失稳定性 支持普通话、英语及多种中文方言多人多轮对话 还支持在零样本（zero-shot）条件下完成声音与语气的克隆与迁移

小互

92,671 views • 8 months ago

MiniMax放出了最新款TTS：Speech 2.6，延迟低于250毫秒，支持40种语言混说 效果听起来比较自然，邮箱、日期可以按人类习惯来表达，对话几乎可以无缝衔接 支持少量样本克隆音色，可以调控情绪、语速、音高等 #TTS #MiniMaxspeech
1:02

MiniMax放出了最新款TTS：Speech 2.6，延迟低于250毫秒，支持40种语言混说 效果听起来比较自然，邮箱、日期可以按人类习惯来表达，对话几乎可以无缝衔接 支持少量样本克隆音色，可以调控情绪、语速、音高等 #TTS #MiniMaxspeech

AIGCLINK

22,178 views • 8 months ago

兄弟们，这个数字人工具感觉不错 我刚安装好，正在体验 一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。 这个一个安装包，然后下载模型即可，很容易上手 可以生成带有数字人的视频，并且保持嘴型和声音是同步的。 支持语音合成和声音克隆 支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。 可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。
0:20

兄弟们，这个数字人工具感觉不错 我刚安装好，正在体验 一个安装包即可解决所有问题，非常适合小白用户，以往的开源数字人工具都需要自己配置环境什么的，对小白很不友好。 这个一个安装包，然后下载模型即可，很容易上手 可以生成带有数字人的视频，并且保持嘴型和声音是同步的。 支持语音合成和声音克隆 支持Windows\Linux和macOS 支持模型：比如 MuseTalk（文本到语音）和 CosyVoice（语音克隆）。 可以很方便地导入各种 AI 模型，界面支持中英文，关键还是开源的。

小互

41,028 views • 1 year ago

一款电子书转有声书的开源 AI 工具：ebook2audiobookXTTS。 利用 Calibre 和 Coqui TTS，将电子书转换为高质量的有声读物，支持多种语言，并提供可选的语音克隆功能。 GitHub：
0:29

一款电子书转有声书的开源 AI 工具：ebook2audiobookXTTS。 利用 Calibre 和 Coqui TTS，将电子书转换为高质量的有声读物，支持多种语言，并提供可选的语音克隆功能。 GitHub：

高军

49,945 views • 1 year ago

StepFun AI （阶跃星辰）发布LLM 级别的音频编辑模型： Step-Audio-EditX 让语音也可以“像文本一样被编辑” 30亿参数（从130B压缩而来） 支持 零样本语音克隆与多轮可迭代编辑 支持语言：普通话、英语、四川话、粤语 它可以通过自然语言指令编辑音频的情绪、语气、风格甚至副语言特征 Step-Audio-EditX 在多项指标上超越了闭源商用模型 Minimax 与 Doubao 实验结果表明： 其在自然度、情感表达、音色一致性方面已接近甚至超越闭源商用系统。 情绪与风格控制能力达到业内领先水准。
3:27

StepFun AI （阶跃星辰）发布LLM 级别的音频编辑模型： Step-Audio-EditX 让语音也可以“像文本一样被编辑” 30亿参数（从130B压缩而来） 支持 零样本语音克隆与多轮可迭代编辑 支持语言：普通话、英语、四川话、粤语 它可以通过自然语言指令编辑音频的情绪、语气、风格甚至副语言特征 Step-Audio-EditX 在多项指标上超越了闭源商用模型 Minimax 与 Doubao 实验结果表明： 其在自然度、情感表达、音色一致性方面已接近甚至超越闭源商用系统。 情绪与风格控制能力达到业内领先水准。

小互

18,024 views • 7 months ago

盲测击败了ElevenLabs的一款TTS：Chatterbox，有极强的情感控制能力，可以调整其语音表现力 支持语音克隆、风格定制 除了正常对话，可以用于一些戏剧化的语音场景 #TTS #Chatterbox #文本转语音 #AI语音
0:22

盲测击败了ElevenLabs的一款TTS：Chatterbox，有极强的情感控制能力，可以调整其语音表现力 支持语音克隆、风格定制 除了正常对话，可以用于一些戏剧化的语音场景 #TTS #Chatterbox #文本转语音 #AI语音

AIGCLINK

26,481 views • 1 year ago

卧槽，发现一个好东西 视频翻译，字幕，配音，语音克隆，一体方案 KrillinAI - 免费免费免费 - 出海开发酱可以替代剪映了 • 支持多种语言，英语和中文都不错（王炸功能） • 支持 Win 和 Mac，下载即用 • 一键启动 - 即刻开启你的工作流 • 视频导入 - 支持 yt-dlp 下载和本地文件上传 • 精准字幕 - 基于 Whisper 的高精度识别 • 智能分段 - 基于 LLM 的字幕分段与对齐 • 专业翻译 - 按段翻译，确保上下文一致性 • 术语替换 - 一键替换领域专用词汇 • 配音与声音克隆 - 支持 CosyVoice 选音或声音克隆 • 视频合成 - 自动适配横屏/竖屏等格式 可以看下视频里面的 TTS 效果，非常不错。
1:27

卧槽，发现一个好东西 视频翻译，字幕，配音，语音克隆，一体方案 KrillinAI - 免费免费免费 - 出海开发酱可以替代剪映了 • 支持多种语言，英语和中文都不错（王炸功能） • 支持 Win 和 Mac，下载即用 • 一键启动 - 即刻开启你的工作流 • 视频导入 - 支持 yt-dlp 下载和本地文件上传 • 精准字幕 - 基于 Whisper 的高精度识别 • 智能分段 - 基于 LLM 的字幕分段与对齐 • 专业翻译 - 按段翻译，确保上下文一致性 • 术语替换 - 一键替换领域专用词汇 • 配音与声音克隆 - 支持 CosyVoice 选音或声音克隆 • 视频合成 - 自动适配横屏/竖屏等格式 可以看下视频里面的 TTS 效果，非常不错。

艾略特

113,761 views • 1 year ago