AI音频

Fun-ASR-Nano-2512是阿里通义实验室前天刚发布的最新最强的一款语音识别转文字模型，支持31种语言，延迟低，在某些专业领域表现出色。我基于FunAudioLLM/Fun-ASR-Nano-2512模型制作了最新实时语音识别转文字...

VibeVoice是微软开发的一款富有表现力的长篇多人对话语音合成工具。支持1-4个发音人，支持声音克隆自定义音色合成语音，我制作了最新的本地免安装一键启动整合包及云端在线版。 VibeVoice介绍 VibeVoice：一种前沿的长对话文...

higgs-audio是本月刚发布的一款非常强大的文字转语音工具，上线不到一个月就获得了5.9K个星，可以说是非常热门的项目了。这个软件可以实现文字转语音及声音克隆功能，不过可以实现这个功能的这类软件很多，higgs-audio只是说好一点...

MegaTTS3是抖音团队联合国内其他大学研发的一款语音合成及声音克隆应用，可实现零样本语音克隆及富有情感的自然语音合成。我基于当前最新版制作了免安装一键启动整合包。 MegaTTS3介绍 MegaTTS 3 是字节跳动（ByteDance...