Neural Speech Synthesis是由Xu Tan和Hung-yi Lee在2022年Interspeech教程中介绍的一种先进的语音合成技术，利用深度学习算法生成自然流畅的语音，支持多种风格和情感，适用于多种应用场景。

edge-tts是一个工具，能够将任何epub书籍转换为有声书，使用微软的Edge TTS引擎生成语音，支持多种语言和语音选项，用户可以自定义语速和音调，提供简单易用的命令行界面，帮助用户节省在Audible上的开支。

IBM Watson文字转语音

bark.cpp是Suno AI的Bark项目在C/C++中的移植，旨在实现快速的语音合成推理。它支持多种声音模型，具有可扩展的架构，并经优化以适应实时应用场景。

kokoroTTS是一个文字生成语音模型，现已推出WASM版本，可以直接在浏览器中运行，支持高质量的语音生成，适配多种硬件，快速生成语音，方便用户在各种场景下使用。

AudioBot是一个在线AI驱动的文本转语音生成器，能够将文本转换为自然声音。它支持多种语言和口音，特别是在西班牙语及其14个国家的本地口音方面具有专长。生成的音频可以以MP3格式下载。

WellSaid Labs是一个领先的AI语音平台，能够实时将文本转换为高质量的语音，广泛应用于企业培训、广告、教育等多个领域。

Xpeacho是一个基于AI的文本转语音（TTS）服务，能够即时将任何文本转换为100%自然的人声配音。它专为视频创作者设计，提供用户友好的界面，支持多种语言选项和语音效果。

Huggingface Diffusers的OneFlow移植版，比PyTorch版性能更高，支持多种扩散模型，易于集成与使用。

whisperfile是一个基于llamafile的语音识别服务器构建工具，支持多种操作系统和CPU架构，提供快速启动和音频转换功能，旨在简化语音识别服务器的搭建过程。