今天是2024年12月17日，星期二，北京，天气晴。
今天，我们继续来看看语音方面的应用项目，讲29个文本转语音的项目，可以作为一个不错的索引，应该是比较全的。
供各位参考，多思考，多总结，多实践；
29个文本转语音TTS开源工具
1）TTS Maker
地址：https://ttsmaker.com/zh-cn 支持多种语言和不同的声音选项（包括：中文、英语、日语、法语、阿拉伯语、韩语等等，甚至转换成方言：包括东北话、粤语、闽南话等等。
2）微软Azure
地址：https://azure.microsoft.com/en-us/products/cognitive-services/text-to-speech/
微软出品的一种语音服务功能。
3）PaddleSpeech
地址：https://github.com/PaddlePaddle/PaddleSpeech
基于PaddlePaddle深度学习平台。提供了基于 FastSpeech2 声学模型和 HiFiGAN 声码器的中文流式语音合成系统。
4）VoiceVox
地址：https://github.com/VOICEVOX/voicevox
基于VOICEVOX的OSS（开源软件）版本构建，软件部分是Electron + Vue
5）TensorFlowTTS
地址：https://github.com/TensorSpeech/TensorFlowTTS
包含了一系列深度学习模型，如FastSpeech 2、Tacotron 2、Multi-band MelGAN等。
6）TTSKit
地址：https://github.com/kuangdd/ttskit
集成多种开源TTS技术和模型，如Tacotron 2、WaveNet、WaveGlow等。
7）OpenTTS
地址：https://github.com/synesthesiam/opentts
整合和利用了现有的开源TTS引擎（如Mozilla的TTS、MaryTTS、eSpeak NG等）和语音合成方案。
8）eSpeak NG
地址：https://github.com/espeak-ng/espeak-ng
eSpeak的一个分支。
9）F5-TTS
上海交通大学开源的一款高性能文本到语音（TTS）系统，基于流匹配的非自回归生成方法，结合扩散变换器（DiT）技术。零样本声音克隆，可以控制合成语音的情感色彩。
地址：：https://github.com/SWivid/F5-TTS HuggingFace，https://huggingface.co/SWivid/F5-TTS，https://arxiv.org/pdf/2410.06885，https://huggingface.co/spaces/mrfakename/E2-F5-TTS
10）Edge-TTS
微软推出的工具，支持英语、汉语、日语、韩语、法语等40多种语言，共300多种可选声音。
地址：https://github.com/rany2/edge-tts
11）ChatTTS
支持中英文对话的文本到语音TTS模型，超过10万小时的训练，公开版本在HuggingFace上提供了一个4万小时预训练的模型。
地址：https://github.com/2noise/ChatTTS
12）ChatTTS-ui
在网页使用ChatTTS将文字合成为语音，使用前端口展示。集成了批量语音到字幕、批量字幕翻译和批量配音小工具。
地址：https://github.com/jianchang512/ChatTTS-ui
13）Seed-TTS
字节跳动开发的支持语音内容编辑和说话速度编辑的工具。
地址：https://bytedancespeech.github.io/seedtts_tech_report/，https:/arxiv.org/pdf/2406.02430，https://github.com/BytedanceSpeech/seed-tts-eval/
14）Fish Speech
使用约十五万小时三语数据训练，可处理和生成中文、日语和英语的语音。支持多种不同的语音生成模型，包括VITS2、Bert-VITS2、GPT VITS、MQTTS、GPT Fast、GPT-SOVITS。
地址：https://github.com/fishaudio/fish-speech，https://fish.audio/zh-CN/
15）GPT-SoVITS
集成工具包括声音伴奏分离、自动训练集分割、中文自动语音识别(ASR)和文本标注。
地址：https://github.com/RVC-Boss/GPTSoVITS
16）OpenVoice
My ShellITTS开发，可进行声音克隆。对声音风格的精细控制，包括情感、口音、节奏、停顿和语调，支持英语、西班牙语、法语、中文、日语和韩语。
地址：https://github.com/myshell-ai/OpenVoice，https://arxiv.org/pdf/2312.01479.pdf
**17）Parler-TTS **
支持性别、音调、说话风格等控制生成语音。
地址：https://github.com/huggingface/parler-tts
18）FUNAudioLLM-CosyVoice
CosyVoice使用自然语音生成和控制，支持多种语言、音色和说话风格的生成。
地址：https://github.com/FunAudioLLM/CosyVoice
19）VoiceCraft
支持克隆语音和修改音频文本。
地址：https://github.com/jasonppy/VoiceCraft
20）EmotiVoice
支持中英文双语，包含2000多种不同的音色，以及特色的情感合成功能，基于Tacotron和WaveRNN模型。
地址：https://github.com/netease-youdao/EmotiVoice
21）MetaVoice-1B
一个1.28参数，在100K小时的语音上训练。
地址：https://github.com/metavoiceio/metavoice-src
22）Voice Engine
OpenAl发布，能够利用简短的15秒音频样本和文本输入，生成原声。
地址：https://ai-bot.cn/openai-voice-engine/
23）Bark
由Suno创建的基于转换器的文本到音频模型，可以生成高度逼直的多语言语音以及其他音频，包括音乐、背景噪音和简单的音效。
地址：https://github.com/suno-ai/bark
24）MaskGCT
趣丸科技&香港中文大学提出的完全非自回归的TTS模型，采用掩码生成编解码器变换器（MaskGCT）。
地址：https://hf-mirror.com/amphion/MaskGCT
25）Coqui TTS
提供了超过1100种语言的预训练模型。
地址：https://github.com/coqui-ai/tts，https://huggingface.co/spaces/coqui/xtts，https://tts.readthedocs.io/en/dev/models/xtts.html
26）So-VITS-SVC
将一种歌声转换为另一种目标歌手的声音，广泛应用于音乐创作、虚拟歌手的声音生成等领域。
地址：https://github.com/svc-develop-team/so-vits-svc
27）Mocking Bird
开发者@babysor开源的AI拟声开源项目。
地址：https://github.com/babysor/MockingBird，https://www.bilibili.com/video/BV17Q4y1B7mY
28）Real-Time-Voice-Cloning
提供了GUI界面，交互傻瓜式操作，语音采集、训练、生成都可以交互完成。
地址：https://github.com/CorentinJ/Real-Time-Voice-Cloning
29）voice-pro
使用UVR5支持的MDX-Net和Meta开发的Demucs引擎进行语音分离；支持使用Whisper、Faster-Whisper和whisper-timestamped进行语音转文字。翻译器使用Google翻译。短文翻译，字幕文件翻译。TTS采用Edge-TTS。zero-shot语音克隆的E2和F5-TTS。
地址：https://github.com/abus-aikorea/voice-pro
关于我们
老刘，NLP开源爱好者与践行者，主页：https://liuhuanyong.github.io。
对大模型&知识图谱&RAG&文档理解感兴趣，并对每日早报、老刘说NLP历史线上分享、心得交流等感兴趣的，欢迎加入社区，社区持续纳新。
加入会员方式：关注公众号，在后台菜单栏中点击会员社区->会员入群加入
