AI音频

Abogen Abogen

开源电子书与文档转音频工具，支持同步字幕与多语音控制

海绵音乐 海绵音乐

字节跳动推出的免费 AI 音乐创作平台，一句话生成可演唱歌曲

Voicery Voicery

高质量AI语音合成服务，提供自然逼真的文字转语音能力

3D-Speaker

ModelScope 开源的多模态声纹识别与说话人分离工具包

Gensfx Gensfx

免费 AI 音效生成器，文本一键转高质量音效

Voicemod Voicemod

实时AI变声工具，支持游戏、直播和社交场景的语音趣味化处理

Gemini 3.1 Flash TTS Google

Google推出的新一代文本转语音模型，支持70+语言和音频标签导演级控制

Voicebox Meta

Meta 研究团队提出的通用语音生成模型，核心卖点是零样本、多任务和更快推理

FunASR Tongyi Lab

阿里通义实验室开源的工业级语音识别工具包，50+语言170x实时率、私有化部署

Typecast Typecast

710+ AI语音角色 + SSFM 语音合成模型——最有表现力的AI语音平台

Fun-CosyVoice 3.5 FunAudioLLM

阿里通义实验室FunAudioLLM团队推出的多语种语音生成模型，支持FreeStyle自然语言指令控制与零样本语音克隆

Tortoise TTS TortoiseTTS

高质量开源文本转语音模型，以自然度与语音克隆能力著称的 TTS 质量标杆