Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

很多人问我这个remotion做的广告宣传片，TTS怎么选择？ 其实我现在TTS主力用几家： Index TTS2：克隆音质非常好，情感表达可以调节并且非常丰富，缺点是需要GPU，生成速度慢 Qwen3-TTS：可以克隆声音，但是对声音的原声音要求高。情感表达也挺丰富，也可以调节。最好的是，可以用CPU去生成，即便用CPU速度也可以接受。 edge-tts：英文还可以，中文就比较AI音了，有点拉垮。 这个视频里面英文配音用的就是edge-tts 还有很多家还没有尝试，比如F5-TTS，MiniMax，等有空了要好好测试一下。

servasyy_ai's profile picture

huangserva

31,975 subscribers

36,531 Aufrufe • vor 7 Monaten •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

兄弟们，这下可以实现TTS 生成文本转语音自由了。 测试了一下阿里Qwen最新开源模型Qwen3-TTS-12Hz-1.7B-CustomVoice，部署在我这台M1Pro 32G 的笔记本就可以轻松跑起来。 做了一个简单的Demo测试，支持10多种主流语言，中英日韩等语言，支持语调、情绪、上下文内容感知调节，并且可以自定义和克隆音色。 整体的使用效果我觉得还不错，关键是这个模型还有个0.6b的模型，真的是给本地使用者的福音啊。 感兴趣的同学可以自己去试试，地址放评论区。
1:19

兄弟们，这下可以实现TTS 生成文本转语音自由了。 测试了一下阿里Qwen最新开源模型Qwen3-TTS-12Hz-1.7B-CustomVoice，部署在我这台M1Pro 32G 的笔记本就可以轻松跑起来。 做了一个简单的Demo测试，支持10多种主流语言，中英日韩等语言，支持语调、情绪、上下文内容感知调节，并且可以自定义和克隆音色。 整体的使用效果我觉得还不错，关键是这个模型还有个0.6b的模型，真的是给本地使用者的福音啊。 感兴趣的同学可以自己去试试，地址放评论区。

Berryxia.AI

45,388 Aufrufe • vor 7 Monaten

我一直有一个小需求，是用我的 AI 音色把文字内容做成播客。 可就是这么一个小小的需求，各种方法用了一圈，都特别麻烦。 要么就得自己训练模型... 要么就是2B服务，后台难用的一批... 要么就是只能微信使用，还收费99一个声音... 试完发现就只有 Fish Audio 可以满足我的需求。 - 简单，录音十秒就能克隆自己的声音，还支持上传录音文件克隆朋友的声音 - 易用，打开网页就可以直接合成声音，不用下载APP，不用打开小程序，非常方便 - 免费，其他平台克隆一个声音收100，非常离谱，Fish Audio 克隆声音不要钱，生成500字以内也不要钱，一般内容几百字对个人来说完全够用（更多字数订阅10美金/月也不贵说实话） Fish 不仅能克隆自己的声音，还提供了一个声音共享社区，里面有各种用户上传的上万种有趣声音可以体验，坤坤，赛马娘，孙笑川，高启强...打开你的想象空间... 另外附上这条推的音频版，全部使用 Fish Audio 克隆和生成，使用剪映美化声音、增加背景音防止被其他人克隆，可以试听一下。 Fish Audio 的网址，记得收藏，以后你一定会用到
1:06

我一直有一个小需求，是用我的 AI 音色把文字内容做成播客。 可就是这么一个小小的需求，各种方法用了一圈，都特别麻烦。 要么就得自己训练模型... 要么就是2B服务，后台难用的一批... 要么就是只能微信使用，还收费99一个声音... 试完发现就只有 Fish Audio 可以满足我的需求。 - 简单，录音十秒就能克隆自己的声音，还支持上传录音文件克隆朋友的声音 - 易用，打开网页就可以直接合成声音，不用下载APP，不用打开小程序，非常方便 - 免费，其他平台克隆一个声音收100，非常离谱，Fish Audio 克隆声音不要钱，生成500字以内也不要钱，一般内容几百字对个人来说完全够用（更多字数订阅10美金/月也不贵说实话） Fish 不仅能克隆自己的声音，还提供了一个声音共享社区，里面有各种用户上传的上万种有趣声音可以体验，坤坤，赛马娘，孙笑川，高启强...打开你的想象空间... 另外附上这条推的音频版，全部使用 Fish Audio 克隆和生成，使用剪映美化声音、增加背景音防止被其他人克隆，可以试听一下。 Fish Audio 的网址，记得收藏，以后你一定会用到

Orange AI

61,835 Aufrufe • vor 2 Jahren

🔥震惊！Fish Audio 居然可以克隆声音而且完全免费🎧 体验了一下还挺好玩的，用手机录制一段自己的声音，上传上去就能克隆合成一个属于你自己的音源，500字以内都免费，每天50次足够用了。除了用自己声音还可以用其他人的，太多选择了。最主要的是用起来非常非常的方便，几乎0门槛。好用推荐 低成本克隆合成声音已经不再是遥不可及的梦想！ 直达传送门： #低成本克隆合成声音 #声音克隆 #机器学习技术 #先进技术 #工具易用性 #生成声音质量 #隐私保护 #声音合成技术 #最佳选项
0:31

🔥震惊！Fish Audio 居然可以克隆声音而且完全免费🎧 体验了一下还挺好玩的，用手机录制一段自己的声音，上传上去就能克隆合成一个属于你自己的音源，500字以内都免费，每天50次足够用了。除了用自己声音还可以用其他人的，太多选择了。最主要的是用起来非常非常的方便，几乎0门槛。好用推荐 低成本克隆合成声音已经不再是遥不可及的梦想！ 直达传送门： #低成本克隆合成声音 #声音克隆 #机器学习技术 #先进技术 #工具易用性 #生成声音质量 #隐私保护 #声音合成技术 #最佳选项

穆尼

100,317 Aufrufe • vor 2 Jahren

上海交通大学开源了一个非常牛批的语音生成模型 F5-TTS。 刚好这几天AI音频和播客火爆，这下瞌睡送枕头了。 模型特点有： 零样本 (Zero-shot) 声音克隆 速度控制（基于总时长） 可以控制合成语音的情感表现 长文本合成 支持中文和英文多语言合成 在 10 万小时数据上训练 最重要的是支持商用
0:47

上海交通大学开源了一个非常牛批的语音生成模型 F5-TTS。 刚好这几天AI音频和播客火爆，这下瞌睡送枕头了。 模型特点有： 零样本 (Zero-shot) 声音克隆 速度控制（基于总时长） 可以控制合成语音的情感表现 长文本合成 支持中文和英文多语言合成 在 10 万小时数据上训练 最重要的是支持商用

歸藏(guizang.ai)

129,567 Aufrufe • vor 1 Jahr

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 Aufrufe • vor 1 Jahr

这个新开源 TTS 太牛逼了，打算直接替换掉原来的 TTS 了 之前测试很多 TTS 都是很死板的"AI 音"，今天发现这个，真可以直接拿去商用了 多语种翻译、声音克隆、情绪语气保持，三件事同时拉满的开源模型我是第一次见 我直接拿世界杯名场面解说暴力测试了，选了三段，每段翻四种语言： 梅西帽子戏法那段，西班牙语解说 GOOOOOL 嘶吼到破音，翻成日语、阿拉伯语、中文，那种快吼劈嗓子的劲儿，四个版本居然都在 姆巴佩 96 分钟绝杀世界波，英语解说那种"安静一秒然后炸开"的节奏，翻成德语、日语、中文，全部对上 另外，佛得角 Vozinha 赛后感言，带有哽咽的感觉，葡语翻英语、日语、中文，声音里的颤抖感翻完居然也在 这确实是把 TTS 最难做到的“情绪”给做好了！ 它是有道子曰的 Confucius4-TTS，3 秒克隆声音，14 种语言，并且是开源，完全可以自部署 整体效果非常惊艳，个别长句有一点 AI 感，短句高情绪片段已经很离谱了。 做了对比视频，可以听一听感受一下👇 #有道TTS
1:45

这个新开源 TTS 太牛逼了，打算直接替换掉原来的 TTS 了 之前测试很多 TTS 都是很死板的"AI 音"，今天发现这个，真可以直接拿去商用了 多语种翻译、声音克隆、情绪语气保持，三件事同时拉满的开源模型我是第一次见 我直接拿世界杯名场面解说暴力测试了，选了三段，每段翻四种语言： 梅西帽子戏法那段，西班牙语解说 GOOOOOL 嘶吼到破音，翻成日语、阿拉伯语、中文，那种快吼劈嗓子的劲儿，四个版本居然都在 姆巴佩 96 分钟绝杀世界波，英语解说那种"安静一秒然后炸开"的节奏，翻成德语、日语、中文，全部对上 另外，佛得角 Vozinha 赛后感言，带有哽咽的感觉，葡语翻英语、日语、中文，声音里的颤抖感翻完居然也在 这确实是把 TTS 最难做到的“情绪”给做好了！ 它是有道子曰的 Confucius4-TTS，3 秒克隆声音，14 种语言，并且是开源，完全可以自部署 整体效果非常惊艳，个别长句有一点 AI 感，短句高情绪片段已经很离谱了。 做了对比视频，可以听一听感受一下👇 #有道TTS

余温

131,522 Aufrufe • vor 2 Monaten

它主要用于两个场景，一个是音轨剥离，一个是声音移除，例如它可以提取人声、鼓、贝斯、吉他和弦乐等声音，也可以去除背景音乐、麦克风隆隆声以及其他不需要的噪音。下面的视频演示了剥离伴奏和人声的效果，还是比较直观的。 也去搜罗了下实现原理，找到一篇介绍 MSS（Musical Source Separation）的论文：
0:41

它主要用于两个场景，一个是音轨剥离，一个是声音移除，例如它可以提取人声、鼓、贝斯、吉他和弦乐等声音，也可以去除背景音乐、麦克风隆隆声以及其他不需要的噪音。下面的视频演示了剥离伴奏和人声的效果，还是比较直观的。 也去搜罗了下实现原理，找到一篇介绍 MSS（Musical Source Separation）的论文：

Barret李靖

320,964 Aufrufe • vor 2 Jahren

通过提示词调整了一下角色的音色效果好了非常多！ 刚才觉得有问题的可以再听一下，Gemini 这个 TTS 如果中文再好点真的又要起飞了 AI 漫剧：Nano Banana Pro + Gemini 2.5 TTS + Gemini 3.0 Pro
1:08

通过提示词调整了一下角色的音色效果好了非常多！ 刚才觉得有问题的可以再听一下，Gemini 这个 TTS 如果中文再好点真的又要起飞了 AI 漫剧：Nano Banana Pro + Gemini 2.5 TTS + Gemini 3.0 Pro

歸藏(guizang.ai)

32,212 Aufrufe • vor 9 Monaten

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 Aufrufe • vor 1 Jahr

数字人先用的QWen3-TTS，声音是能克隆了，但不能设置语气，也就是从头到尾一个声调。 然后试了indextts2，至少语气的感觉是有了🤣
0:28

数字人先用的QWen3-TTS，声音是能克隆了，但不能设置语气，也就是从头到尾一个声调。 然后试了indextts2，至少语气的感觉是有了🤣

黄小木

10,856 Aufrufe • vor 1 Monat

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了 不能用常规的 AI 视频模型评判标准去看待 它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！ 而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！ 下面是详细的测试👇：
0:29

藏师傅第一时间测试了一下 Sora 2，这玩意太吊了 不能用常规的 AI 视频模型评判标准去看待 它只需要两秒的音频就可以完美克隆你的音色，而且不止可以生成英文语音，中文也行！ 而且模型具有世界知识，可以自主规划每个分镜，跟一个成熟的导演一样！ 下面是详细的测试👇：

歸藏(guizang.ai)

181,401 Aufrufe • vor 11 Monaten

Codex 自己配音 更离谱的是，用的还是我自己的声音。 一个 41K Star 的开源项目：Voicebox。 它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。 重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费 以前做配音，要么买付费软件，要么用云端 TTS。 现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。 一句话： 它像是开源版 ElevenLabs + AI Agent 语音中枢。 如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：
1:12

Codex 自己配音 更离谱的是，用的还是我自己的声音。 一个 41K Star 的开源项目：Voicebox。 它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。 重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费 以前做配音，要么买付费软件，要么用云端 TTS。 现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。 一句话： 它像是开源版 ElevenLabs + AI Agent 语音中枢。 如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

撸毛吃猪脚饭| 美股合约首选Gate

51,723 Aufrufe • vor 1 Monat

我平时挺爱学习的，但大多技术的资料是外语，而且我不爱看文字喜欢看视频学习，苦于外语不好一直没机会好好学习，不久之前看到一个开源项目全自动视频翻译,还可以多角色 AI 配音、声音克隆等内置了很多模型，阿里的字节的谷歌的openai的等等非常多，我自己试了一下，我还特地搞了个克隆的声音，但效果好像不是很好。我也不是没找过一些付费的，要知道一些学习视频可能长达1~2小时甚至4~5小时，转一次视频不但要几天而且要几千块钱，真的搞不起。我把这个项目链接贴出来,有兴趣的可以看看，如果有更好的视频翻译工具可以推荐给我:
0:21

我平时挺爱学习的，但大多技术的资料是外语，而且我不爱看文字喜欢看视频学习，苦于外语不好一直没机会好好学习，不久之前看到一个开源项目全自动视频翻译,还可以多角色 AI 配音、声音克隆等内置了很多模型，阿里的字节的谷歌的openai的等等非常多，我自己试了一下，我还特地搞了个克隆的声音，但效果好像不是很好。我也不是没找过一些付费的，要知道一些学习视频可能长达1~2小时甚至4~5小时，转一次视频不但要几天而且要几千块钱，真的搞不起。我把这个项目链接贴出来,有兴趣的可以看看，如果有更好的视频翻译工具可以推荐给我:

米斯特姚

12,976 Aufrufe • vor 6 Monaten

大家好，OpenCat 1.1.8 iOS 版更新啦，支持了 Azure TTS，可以用来学习外语啦！每个对话都可以选择不同的语音。 1.你需要自己注册一个 Azure 的 tts 服务 2.在设置中填入 token ，并选择几种你想要的语音 3.在对话右上角的三点菜单 -> 朗读声音中选择该聊天默认的发音
0:38

大家好，OpenCat 1.1.8 iOS 版更新啦，支持了 Azure TTS，可以用来学习外语啦！每个对话都可以选择不同的语音。 1.你需要自己注册一个 Azure 的 tts 服务 2.在设置中填入 token ，并选择几种你想要的语音 3.在对话右上角的三点菜单 -> 朗读声音中选择该聊天默认的发音

Baye

2,417,300 Aufrufe • vor 3 Jahren

惊艳！这个真的太有用了！！！ 做过视频的人才知道！这个有多么刚需！！ 各种生成式模型发展到现在，其实一直有一个痛点没有很好的解决！ 即便是最强大的Seedance2.5模型，能够带来稳定的画面表现， 但是要想得到比较好的画面音效，可能并不容易， 更糟心的是，如果生成一条视频，画面很棒但音效有瑕疵！ 除了大量抽卡，或者靠后期优化，基本没有其他办法！ 万万没想到，Pika居然针对视频音效出了新模型！这需求洞察力真是绝了！ 这次 Pika 一口气发布了 4 款 Audio Models，主打 least expensive，生成更快，成本更低，我对比了一下，常见声音模型里，价格几乎最低！ 我觉得最实用、也最好玩的就是Video-to-audio，上传一段视频，它会根据画面内容自动生成（或补全）相匹配的环境音、音效、音乐甚至是人物配音。 下面这个视频就是一段30秒的无声视频，然后用Pika Soundtrack 直接生成的音效音轨，我特意用了一段声音要求比较复杂的画面，不光要壁炉的柴火声，还要小猫的叫声和呼噜声，以及窗外的雨声，更重要的还要表现出声音之间的层次和空间关系，最后的成片真的完成度很高！！ 如果几个模型搭配着用，还能一次搞定BGM+音效+旁白。 这简直让AI生成内容的可控性上升了好几个level！
0:43

惊艳！这个真的太有用了！！！ 做过视频的人才知道！这个有多么刚需！！ 各种生成式模型发展到现在，其实一直有一个痛点没有很好的解决！ 即便是最强大的Seedance2.5模型，能够带来稳定的画面表现， 但是要想得到比较好的画面音效，可能并不容易， 更糟心的是，如果生成一条视频，画面很棒但音效有瑕疵！ 除了大量抽卡，或者靠后期优化，基本没有其他办法！ 万万没想到，Pika居然针对视频音效出了新模型！这需求洞察力真是绝了！ 这次 Pika 一口气发布了 4 款 Audio Models，主打 least expensive，生成更快，成本更低，我对比了一下，常见声音模型里，价格几乎最低！ 我觉得最实用、也最好玩的就是Video-to-audio，上传一段视频，它会根据画面内容自动生成（或补全）相匹配的环境音、音效、音乐甚至是人物配音。 下面这个视频就是一段30秒的无声视频，然后用Pika Soundtrack 直接生成的音效音轨，我特意用了一段声音要求比较复杂的画面，不光要壁炉的柴火声，还要小猫的叫声和呼噜声，以及窗外的雨声，更重要的还要表现出声音之间的层次和空间关系，最后的成片真的完成度很高！！ 如果几个模型搭配着用，还能一次搞定BGM+音效+旁白。 这简直让AI生成内容的可控性上升了好几个level！

沐阳

20,131 Aufrufe • vor 1 Monat