- 综合排序
- 最热优先
- 最新优先
- 来自专栏小轻论坛
Github 开源现在最好的TTS声音克隆
中一键出片 详细记录每步操作日志，支持随时中断和恢复进度 项目地址： https://github.com/Huanshere/VideoLingo FishSpeech 特性 零样本 & 小样本 TTS ：输入 10 到 30 秒的声音样本即可生成高质量的 TTS 输出。 无音素依赖：模型具备强大的泛化能力，不依赖音素进行 TTS，能够处理任何文字表示的语言。 高准确率：在 5 分钟的英文文本上，达到了约 2% 的 CER（字符错误率）和 WER（词错误率）。
2.7K10编辑于 2024-12-12 - 来自专栏快乐阿超
piper-tts
这款工具由Open Home Foundation开发，并支持多个语言与场景，成为语音合成领域的重要开源项目。 什么是Piper？ 开源与社区驱动：作为开源项目，Piper得到了开发者社区的积极支持和贡献。 /piper --model zh_CN-medium.onnx --output-raw | \ aplay -r 22050 -f S16_LE -t raw - 社区与开源生态 Piper是 如何贡献 作为一个开源项目，Piper欢迎开发者贡献代码、改进文档或提供新的语音模型。您可以通过GitHub提交PR或参与讨论。
1.8K10编辑于 2024-12-17 - 来自专栏快乐阿超
piper-tts
这款工具由Open Home Foundation开发，并支持多个语言与场景，成为语音合成领域的重要开源项目。 什么是Piper？ 开源与社区驱动：作为开源项目，Piper得到了开发者社区的积极支持和贡献。 /piper --model zh_CN-medium.onnx --output-raw | \ aplay -r 22050 -f S16_LE -t raw - 社区与开源生态 Piper是 如何贡献 作为一个开源项目，Piper欢迎开发者贡献代码、改进文档或提供新的语音模型。您可以通过GitHub提交PR或参与讨论。
2K10编辑于 2024-12-16 - 来自专栏用户1337634的专栏
如何选择开源组件
最近产品要发布上线，法务要求对所有用到的开源组件进行审核，发现原来开源还有这么多区别 主流开源协议的区别 主流开源协议区别图 开源协议选择 尽可能选择MIT, Apache, BSD协议：使用这些协议的组件后 ，并不要求你的商业软件也开源出去，对商业比较友好 尽量不选择拥有私有协议的组件：比如Supervisor 尽量不选择国内竞争对手的开源产品：容易在开源上被严格较真 尽量避开Facebook的开源组件，据法务说 如果必须使用，则必须小心检查是否包含专利声明 如果必须使用非MIT, Apache, BSD协议的组件，不要泄露到公司外部 如果又必须泄露，则只能要求由客户自己安装，公司不提供安装，也不提供下载 参考资料 如何选择开源许可证
1.3K20发布于 2019-03-27 - 来自专栏技术人生黄勇
开源语音 AI：3 秒克隆声音，支持 9 种语言 — Voxtral TTS
"语音即指令"：不用写情感标签 很多 TTS 系统控制情感表达的方式是打标签：比如 ElevenLabs 用显式情感标签告诉模型"这里要读得兴奋一点"。 Voxtral TTS 的方式不同。 Agent 链路已经全部开源可用。 - 文字转语音 tts_response = client.audio.speech.create( model="voxtral-tts", input=reply_text 完整开源语音链路的意义 完整开源语音链路是人形机器人、客服 Agent、车载助手等具身和语音应用的核心基础设施。 Mistral 的开源路线大幅降低了语音 Agent 的部署门槛：过去需要调用多个闭源服务（STT + TTS），现在同一套 SDK，全部本地可跑。
33610编辑于 2026-04-09 - 来自专栏翩翩白衣少年
Hugging Face 新开源了一款 TTS 模型: Parler-TTS！一行命令即可安装！可自主训练定制声音！
今天要给大家介绍一款Hugging Face（抱脸）新开源的TTS模型：parler-tts，完全开源免费的一款TTS工具。 Parler-TTS 介绍 Parler-TTS 是抱脸新开源的一种轻量级文本转语音 (TTS) 模型。 可以按照给定说话者的风格（性别、音调、说话风格等）生成高质量、听起来自然的语音。 与其他 TTS 模型相反，这款轻量级 TTS 模型将所有数据集、预处理、训练代码和权重来了个一次性大公开。 虽然没有像其它 TTS 工具一样，预置配音员模型、语速控制等功能。 在线demo：https://huggingface.co/spaces/parler-tts/parler_tts_mini[2] 我们进入了Demo界面，回发现他只有 2个输入项，1个输出。 总结 Parler-TTS 是一款完全开源的 TTS 模型。自由度及创新性非常高，并且可以通过Prompt控制说话者的性别、音色、语调以及所处的场景（室内、室外、马路上、音乐厅等）。
3.6K10编辑于 2024-04-13 - 来自专栏刘悦的技术博客
口播神器,基于Edge,微软TTS(text-to-speech)文字转语音免费开源库edge-tts语音合成实践(Python3.10)
君不见几乎所有的抖音营销号口播均采用微软的语音合成技术，其影响力由此可见一斑，仅有的白璧微瑕之处就是价格略高，虽然国内也可以使用科大讯飞语音合成进行平替，但我们只想要最好的那一个，本次我们使用免费的开源库 edge-tts来实现文本转语音操作，薅微软edge的羊毛。 TTS文本转语音基础使用方式 首先安装edge-tts库： pip3 install edge-tts 安装成功后，直接在终端运行edge-tts命令： edge-tts 显示帮助菜单即代表安装成功 遗憾的是，和微软Azure官方的语音合成库相比，开源的语音合成库并不支持基于标记语言 (SSML)的语音调优，比如语调、情绪的调整，但这毕竟是免费的，要求也不能太高了。 将生成的字幕文件叠加到视频中即可，请参见：基于Python3(Autosub)以及Ffmpeg配合GoogleTranslation(谷歌翻译)为你的影片实现双语版字幕(逐字稿) 结语 开源语音合成
5.9K20编辑于 2023-03-09 - 来自专栏IT开发技术与工作效率
JS文字转语音TTS
http://linwancen.gitee.io/vantgames 百度不支持日文片假名，要是有支持日文片假名的免费引擎欢迎推荐 src/util/speak.js /** * 百度语音合成 TTS (Text To Speech) */ export function speak(s) { new Audio( 'http://tts.baidu.com/text2audio'
15.6K10发布于 2021-01-13 - 来自专栏KAAAsS's Blog
TTS朗读IPA音标——你家TTS怎么和我家不一样？
这个TTS和别的TTS不同的是，这个TTS竟然支持朗读IPA？！！ 这么神奇吗？停停停，你不是在骗我吧？ 最后是微软自带TTS的现代汉语朗读版本，治愈下你们的耳朵： https://static.kaaass.net/phonetics/%E7%8E%B0%E4%BB%A3%E6%B1%89%E8%AF%AD
1.9K00编辑于 2022-01-14 - 来自专栏全栈程序员必看
linux 嵌入式 tts引擎_语音合成（TTS）的概念和分类
自然语义处理常用框架 – 兔尔摩斯的文章 – 知乎 https://zhuanlan.zhihu.com/p/55658291 语音合成 Speech Synthesis 或Text to Speech(TTS 文本到语音(TTS)系统将普通语言文本转换为语音;其他系统则把像音标这样的符号语言表示法翻译成语音。其他系统则使用符号语言表征例如标音法翻译成语音。 以及，TTS模型通常也会分为中文，英文，或者中英混输的。做训练的文本，有很多文字比较拗口，故而对录音声优的功力有要求，中英混输的模型数据就更难了。 如果是普通的中文TTS模型，以刚才的例子“马上为您播放周杰伦的《晴天》live版本”，这种就可以在录音时加入一些简单的字母，单词，短语等等。
4.9K30编辑于 2022-08-03 - 来自专栏wallbig
如何选择开源许可证?
如何为代码选择开源许可证，这是一个问题。 世界上的开源许可证，大概有上百种。很少有人搞得清楚它们的区别。 即使在最流行的六种—-GPL、BSD、MIT、Mozilla、Apache和LGPL—-之中做选择，也很复杂。 乌克兰程序员Paul Bagwell，画了一张分析图，说明应该怎么选择。
95310编辑于 2021-12-08 - 来自专栏开源社
开源社区应该选择什么语言？
一个开源社区里，有哪些不同的层面的语言？ ，90%都用英语，所以：我们的语言选择，都只能是英语，我认为这个结论，太过草率了。 四、项目之外的日常交流 这个其实更少争论，大家在微信群、QQ群、邮件列表、Slack里，自然就会选择自己最常用的语言交流。如果是一个国际化的社区，自然就会更加多的使用英语。 开源社简介 开源社成立于2014年，是由志愿贡献于开源事业的个人成员，依“贡献、共识、共治”原则，所组成的厂商中立、公益非营利的开源联盟，是最早以“开源治理、国际接轨、社区发展、开源项目”为使命的开源组织 开源社积极与支持开源的社区、企业以及政府相关单位紧密合作，旨在共创健康可持续发展的开源生态，并推动中国开源社区成为全球开源体系的积极参与及贡献者。
92210发布于 2021-04-13 - 来自专栏产品经理的人工智能学习库
语音合成（Text to Speech | TTS）
TTS技术（又称文语转换技术）隶属于语音合成，它是将计算机自己产生的、或外部输入的文字信息转变为可以听得懂的、流利的汉语口语输出的技术。 查看详情 维基百科版本 语音合成是人类语音的人工生成。 甲文本到语音（TTS）系统转换正常语言文本转换成语音; 其他系统呈现符号语言表征，如将语音转录为发音。 查看详情
4.7K20发布于 2019-12-18 - 来自专栏bisal的个人杂货铺
传输表空间TTS操作
相当于停业务，所以需要根据业务要求来判断是否可以采用这种方式，下面就针对TTS做一个简单的实验，感性地体会下其操作过程。 则执行导入会报错： [oracle@emrep66 tts]$ impdp system/oracle dumpfile=dcsopen_tbs.dmp directory=tts transport_datafiles =/home/oracle/tts/dcsopen_tbs01.dbf logfile=tts_import.log ... /oracle dumpfile=dcsopen_tbs.dmp directory=tts transport_datafiles=dcsopen_tbs01.dbf logfile=tts_import.log =tts_export.log ...
1.5K30发布于 2019-01-29 - 来自专栏mathor
Human Language Processing——Controllable TTS
现实中我们缺乏某个歌手高质量的语音数据去训练TTS 系统。这里往往会使用音色迁移技术。此外，同一句话说的方式是可以抑扬顿挫 (Prosody) 的，它包含了说的语调，重音，停顿和韵律等。 它不是内容，不是说话者的声纹，也不是环境的混响 对于可控的 TTS，我们希望给定一段文字，再给定一段参考的声音（不一定要说文字内容），我们希望模型能够生成出语气、停顿和参考声音相仿的合成语音。 假设 TTS 和 ASR 的模型都是 Seq2Seq 模型。对于 TTS 的注意力而言，输入的字母会对应它产生的声音信号。我们期待 ASR 的注意力在看到同一段声音的时候，应该也要产生相同的字母。 因此有些做可控 TTS 的模型会考虑用一排向量，数量为输入序列的长度。这样每一小段声音信号，都有一个向量表征。或许这样才能真正地 Control 一个句子的 Prosody。这是一个尚待研究的问题
1.8K21发布于 2020-08-06 - 来自专栏阮一峰的网络日志
如何选择开源许可证？
如何为代码选择开源许可证，这是一个问题。 世界上的开源许可证，大概有上百种。很少有人搞得清楚它们的区别。 即使在最流行的六种----GPL、BSD、MIT、Mozilla、Apache和LGPL----之中做选择，也很复杂。 乌克兰程序员Paul Bagwell，画了一张分析图，说明应该怎么选择。
1.4K70发布于 2018-04-13 - 来自专栏iSharkFly
如何选择开源许可证
在实际开发的过程中，你可能希望为你的开源项目选择许可证。 通常我们也没有精力去自己搞一个许可证，最主要的原因可能是你搞了也没有什么人用。 对于有选择困难综合症的同学来说，就选个 MIT 吧，因为我们就只想做个想安静写代码的美男子或者美女子。 https://www.ossez.com/t/topic/13454
1.9K00发布于 2021-05-01 - 来自专栏AI进修生
ChatTTS：开源领域最强的文本到语音转换（TTS）模型！
该模型能预测和控制细粒度的韵律特征，如笑声、停顿和插入词，韵律表现超越大部分开源TTS模型。同时提供预训练模型，支持进一步研究。 对话式 TTS: ChatTTS针对对话式任务进行了优化，实现了自然流畅的语音合成，同时支持多说话人。 2. 细粒度控制: 该模型能够预测和控制细粒度的韵律特征，包括笑声、停顿和插入词等。 3. 更好的韵律: ChatTTS在韵律方面超越了大部分开源TTS模型。同时提供预训练模型，支持进一步的研究。 usp=sharing 计划路线 • 开源4w小时基础模型和spk_stats文件 • 开源VQ encoder和Lora 训练代码 • 在非refine text情况下, 流式生成音频* • 在未来的版本中我们可能会开源其他情感控制的版本.
1.8K10编辑于 2024-12-02 - 来自专栏websoft9
开源与Saas，如何选择软件？
随着云计算的发展和普及，在云上使用软件已经成为了主流，为了帮助广大用户理解，我在这里对云上软件的三种主要形态以及如何做出选择做一个简单的分析。 开源免费软件 绝大部分开源软件都是免费的，免费的出发点有一部分是出于高尚的理由。 因此，如火如荼的SaaS订阅购买模式让他们感觉是一个比较合适的选择。 大型企业客户是复杂业务驱动软件购买，因为购买前的选型非常复杂，购买后的实施和维护。 这种客户会选择独立安装版或可以定制的SaaS版本。 软件公司为了团结哪个客户群体，就会在这个群体的用户体验上下功夫。 寄存在厂商处 代码 自己掌控 寄存在厂商处 开发扩展 不受限 诸多受限 与第三方平台的已有对接 一般比较差 针对性较强 维护要求 有技术要求 无需维护 选择什么软件，终究取决于自己的需求、
97320发布于 2021-08-24 - 来自专栏AI产品体验专栏
腾讯云语音合成TTS试用
一、核心概念：什么是语音合成（TTS）？️在人工智能的世界里，ASR（Automatic Speech Recognition）和TTS（Text-To-Speech）是一对默契的搭档。 ASR，就像人类的耳朵，能够将声音转化为文字；而TTS，仿佛人类的嘴巴，将文字转化为声音。就像我们熟悉的Siri，那些流畅的语音回复，其实都是TTS技术在背后默默工作的结果。 个性化TTS：声音的定制师个性化TTS，大多数采用参数法实现，它可以根据需求定制出独特的声音。虽然Adobe和微软等大公司也尝试过拼接法，但参数法因其通用性和成熟度更受青睐。 二、TTS的应用场景️智能客服：TTS技术可以提供自然、拟人化的语音服务，帮助企业构建智能客服系统，自动回答客户咨询，提高服务效率。 三、腾讯云TTS的产品试用️1、腾讯云TTS产品架构2、腾讯云TTS的产品矩阵基础语音合成：适用于短文本，无实时性要求的场景。实时语音合成：支持中长文本，满足高实时性需求。
6.9K01编辑于 2024-06-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号