Higgs TTS 3

鱼音频剧3

AI 模型

为多角色场景和长篇内容设计的文本转语音模型。它支持多说话者生成、声音克隆和自然语言控制，非常适合复杂的音频制作。鱼音频剧3是一个为多角色场景和长篇内容设计的文本转语音模型。它支持多说话者生成、声音克隆和自然语言控制，非常适合复杂的音频制作。

Dia-1.6B AI模型

AI 模型

Nari Labs开发的文本转语音模型，具有16亿个参数。它能够从文本生成逼真的对话，支持情感和语调控制，并能够产生非语言声音。目前仅支持英语。Dia-1.6B是Nari Labs开发的文本转语音模型，具有16亿个参数。它能够从文本生成逼真的对话，支持情感和语调控制，并能够产生非语言声音。目前仅支持英语。

Bark AI Model

AI 模型

Suno开发的基于变换器的文本到音频模型，能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。Bark是Suno开发的基于变换器的文本到音频模型，能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。

Sonic | 实时 TTS API，具备 AI 笑声和情感

AI 模型

Cartesia 的实时文本转语音 API，能够生成 44 种语言的富有表现力的声音，并带有笑声。专为 AI 代理和互动应用设计，提供低延迟和高质量的语音合成。Sonic 是 Cartesia 的实时文本转语音 API，能够生成 44 种语言的富有表现力的声音，并带有笑声。专为 AI 代理和互动应用设计，提供低延迟和高质量的语音合成。

Gemini 3.8 Flash TTS 和 Flash-Lite TTS

AI 模型

Google DeepMind 开发的先进文本转语音模型。它们提供富有表现力的语音生成和实时语音翻译，适用于生成性语音设计和日常音频任务。Gemini 3.8 Flash TTS 和 Flash-Lite TTS 是 Google DeepMind 开发的先进文本转语音模型。它们提供富有表现力的语音生成和实时语音翻译，适用于生成性语音设计和日常音频任务。

Kokoro-82M — Hugging Face

AI 模型

开放权重的文本转语音 (TTS) 模型，拥有8200万参数。它提供高质量的音频输出，同时比更大的模型更快且更具成本效益。凭借 Apache 许可的权重，它可以在各种环境中部署。Kokoro-82M 是一个开放权重的文本转语音 (TTS) 模型，拥有8200万参数。它提供高质量的音频输出，同时比更大的模型更快且更具成本效益。凭借 Apache 许可的权重，它可以在各种环境中部署。

IndexTTS-2.5

AI 模型

零样本文本到语音模型，可以从单个参考音频片段克隆声音。它支持多种语言，并提供跨语言语音转移和情感控制。IndexTTS-2.5 是一个零样本文本到语音模型，可以从单个参考音频片段克隆声音。它支持多种语言，并提供跨语言语音转移和情感控制。

Boson AI

AI 应用

#26

关键业务工作构建语音代理和基础音频模型，通过其 Higgs 模型和 API 提供超过 100 种语言的语音到语音代理、实时头像和生产文本到语音服务。Boson AI 为关键业务工作构建语音代理和基础音频模型，通过其 Higgs 模型和 API 提供超过 100 种语言的语音到语音代理、实时头像和生产文本到语音服务。