Sonic | 实时 TTS API，具备 AI 笑声和情感

Cartesia

AI 应用

#17

提供能够像人类一样学习和交互的 AI，其特点是拥有 Sonic-3.5 的实时文本转语音和 Ink-2 的语音转文本。其语音代理专为交互式应用而设计，以低延迟和长上下文推理能力提供超过 40 种语言的自然、富有表现力的语音。Cartesia 提供能够像人类一样学习和交互的 AI，其特点是拥有 Sonic-3.5 的实时文本转语音和 Ink-2 的语音转文本。其语音代理专为交互式应用而设计，以低延迟和长上下文推理能力提供超过 40 种语言的自然、富有表现力的语音。

鱼音频

AI 应用

#132

允许用户使用先进的人工智能技术从文本提示生成逼真的音效。非常适合游戏、视频和播客，提供广泛的音效，并在付费计划中包含商业使用权。鱼音频允许用户使用先进的人工智能技术从文本提示生成逼真的音效。非常适合游戏、视频和播客，提供广泛的音效，并在付费计划中包含商业使用权。

Chatterbox AI

AI 应用

#23

提供实时语音克隆和文本转语音生成，延迟低于200毫秒。基于开源模型，提供情感控制和便捷的在线访问，非常适合 AI 代理、游戏和专业语音生成。Chatterbox AI 提供实时语音克隆和文本转语音生成，延迟低于200毫秒。基于开源模型，提供情感控制和便捷的在线访问，非常适合 AI 代理、游戏和专业语音生成。

Eleven v3 — 最具表现力的AI语音模型

AI 模型

先进的AI语音模型，能够生成70多种语言的逼真语音。它提供情感深度、多说话者控制，并设计用于各种应用，包括客户体验和内容创作。Eleven v3是一个先进的AI语音模型，能够生成70多种语言的逼真语音。它提供情感深度、多说话者控制，并设计用于各种应用，包括客户体验和内容创作。

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。

Chatterbox Turbo

AI 模型

Resemble AI 开发的开源文本转语音模型，具有超快的性能，参数量为 3.5 亿，延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆，并提供用于表现性输出的副语言标签。Chatterbox Turbo 是 Resemble AI 开发的开源文本转语音模型，具有超快的性能，参数量为 3.5 亿，延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆，并提供用于表现性输出的副语言标签。

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。

Inworld AI

AI 平台

提供排名第一的实时语音 AI，具有低于 200 毫秒的延迟，支持先进的文本转语音和语音转文本。它提供语音克隆、跨语言能力和 LLM 路由，显著降低了开发者的成本。大规模构建引人入胜、逼真的人工智能交互，适用于各种应用。Inworld AI 提供排名第一的实时语音 AI，具有低于 200 毫秒的延迟，支持先进的文本转语音和语音转文本。它提供语音克隆、跨语言能力和 LLM 路由，显著降低了开发者的成本。大规模构建引人入胜、逼真的人工智能交互，适用于各种应用。