Kokoro-82M — Hugging Face

whisper-large-v3

AI 模型

先进的自动语音识别和语音翻译模型，训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能，旨在为 AI 领域的开发者和研究人员服务。Whisper-large-v3 是一个先进的自动语音识别和语音翻译模型，训练于超过 500 万小时的数据。它在多种语言中提供了更好的性能，旨在为 AI 领域的开发者和研究人员服务。

OpenLLaMA

AI GitHub 仓库

Meta AI 的 LLaMA 7B 模型的一个允许自由许可的开源复现版本。它在 RedPajama 数据集上进行训练，提供 3B、7B 和 13B 参数版本，并提供 PyTorch 和 JAX 权重，可无缝集成到现有的 LLaMA 实现中。OpenLLaMA 是 Meta AI 的 LLaMA 7B 模型的一个允许自由许可的开源复现版本。它在 RedPajama 数据集上进行训练，提供 3B、7B 和 13B 参数版本，并提供 PyTorch 和 JAX 权重，可无缝集成到现有的 LLaMA 实现中。

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。

OpenAI Whisper

AI GitHub 仓库

Whisper 是 OpenAI 开发的一个强大、通用的语音识别模型。它在多语言语音识别、语音翻译和语言识别方面表现出色。通过在多样化的音频数据上进行训练，它提供了一个单一模型来处理各种语音处理任务，用统一的序列到序列方法取代了传统的多阶段流水线。

OpenAI 文本转语音 WebUI

AI 应用

此 Web UI 利用 OpenAI 的文本转语音 API 将书面文本转换为自然流畅的语音。用户需要提供自己的 OpenAI API 密钥才能使用此免费前端来生成各种支持语言的音频内容。

用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。ESPnet 是一个用于端到端语音处理的开源工具包。它提供了用于自动语音识别 (ASR)、文本到语音合成 (TTS) 和语音增强等任务的全面脚本和工具。用户可以使用其灵活的框架轻松运行推理、微调现有模型或实现自定义解决方案。

OpenAI.fm

AI 应用

互动演示平台，供开发者探索 OpenAI API 中最新的文本转语音模型，允许进行动手实验和集成到各种应用中。OpenAI.fm 是一个互动演示平台，供开发者探索 OpenAI API 中最新的文本转语音模型，允许进行动手实验和集成到各种应用中。

OuteTTS-0.2-500M

AI 模型

先进的文本转语音模型，提供更高的准确性、自然的语音合成和多语言支持。基于 Qwen-2.5-0.5B 构建，它增强了语音克隆能力，并扩展了超过 50 亿个音频标记的词汇量。OuteTTS-0.2-500M 是一个先进的文本转语音模型，提供更高的准确性、自然的语音合成和多语言支持。基于 Qwen-2.5-0.5B 构建，它增强了语音克隆能力，并扩展了超过 50 亿个音频标记的词汇量。