一种新型的文本到语音模型，通过文字描述生成高保真的语音，无需提前录制人声样本。

ChatTTS-Forge是一个基于ChatTTS模型的文本到语音生成项目，具备API服务器和基于Gradio的WebUI，能够提供全面的API服务以及支持超长文本的生成能力，用户可选择多种语音风格并管理说话人。

StableTTS是一个轻量级的文本到语音（TTS）模型，专为汉语和英语的语音生成服务而设计。该模型仅有10M的参数，适合在资源有限的环境中使用。它基于流匹配和DiT技术，是下一代TTS模型，灵感来源于Stable Diffusion 3，能够高效地产生自然流畅的语音。

语音克隆项目通过提取人类的音色，将文本或其他语音转换为特定的音色，提供个性化的语音合成解决方案。该项目支持从文本生成语音以及将已有的语音样本转化为克隆音色，适用于多种应用场景。

Talk是一个基于whisper.cpp和llama.cpp的项目，旨在实现与计算机的直接语音对话。它整合了先进的语音识别和生成技术，支持自然语言处理，能够实时响应用户的语音指令，并提供用户友好的界面，方便易用。

ElevenLabs是一个提供高质量AI语音生成服务的平台，用户可以免费创建高级AI语音，并在几分钟内生成文本到语音的配音。

Fish Speech 1.4 是一个经过 700K 小时语音训练的开源文本转语音模型，支持多种语言，并提供即时语音克隆，具备超低延迟，约1GB的模型重量，模型权重可在Hub上获取。

基于 PyTorch 的音乐生成和文本到语音（TTS）系统的实现，该系统使用基于 LLaMA 的大型语言模型（LLMs），并支持在单个 RTX 4090 GPU 上少于 10 小时内训练音乐生成模型

Vocalize是一个平台，用户可以使用数千种流行的AI声音轻松创建AI音乐翻唱和文本到语音功能。用户只需选择一个声音，上传音频或输入文本，Vocalize便可以完成其余工作。