# TTS

kokoro-onnx是一個基於Kokoro模型和ONNX運行時的文本到語音（TTS）項目。它支持英語，並計劃支持法語、日語、韓語和中文。該模型在macOS M1上具有接近即時的快速性能，並提供多種聲音選擇，包括耳語。模型輕量級，約為300MB（量化後約為80MB）。該項目在GitHub上開源，採用MIT許可證，方便開發者集成和使用。

Flash是ElevenLabs最新推出的文本轉語音(Text-to-Speech, TTS)模型，它以75毫秒加上應用和網絡延遲的速度生成語音，是低延遲、會話型語音代理的首選模型。Flash v2僅支持英語，而Flash v2.5支持32種語言，每兩個字符消耗1個信用點。Flash在盲測中持續超越了同類超低延遲模型，是速度最快且具有質量保證的模型。

Auralis是一個文本到語音（TTS）引擎，能夠將文本快速轉換為自然語音，支持語音克隆，並且處理速度極快，可以在幾分鐘內處理完整本小說。該產品以其高速、高效、易集成和高質量的音頻輸出為主要優點，適用於需要快速文本到語音轉換的場景。Auralis基於Python API，支持長文本流式處理、內置音頻增強、自動語言檢測等功能。產品背景信息顯示，Auralis由AstraMind AI開發，旨在提供一種實用於現實世界應用的文本到語音解決方案。產品價格未在頁面上明確標註，但代碼庫在Apache 2.0許可下發布，可以免費用於項目中。

小視頻寶（ClipTurbo）是一個AI驅動的視頻生成工具，旨在幫助用戶輕鬆創建高質量的營銷視頻。該工具利用AI技術處理文案、翻譯、圖標匹配和TTS語音合成，最終使用manim渲染視頻，避免了純生成式AI被平臺限流的問題。小視頻寶支持多種模板，用戶可以根據需要選擇分辨率、幀率、寬高比或屏幕方向，模板將自動適配。此外，它還支持多種語音服務，包括內置的EdgeTTS語音。目前，小視頻寶仍處於早期開發階段，僅提供給三花AI的註冊用戶。

Ortlin是一個基於Web的圖形用戶界面，旨在幫助任何人（無論是技術用戶還是非技術用戶）輕鬆地與OpenAI的API和底層模型進行交互。它是完全免費且開源的，使用戶能夠無障礙地利用OpenAI的強大功能。

Voice-Pro是一個集成的字幕、翻譯和文本到語音(TTS)解決方案。它支持將視頻添加多語言字幕和多語言音頻，助力視頻內容擴展到全球市場。該產品使用OpenAI Whisper和開源翻譯器及TTS技術，提供一鍵安裝和便攜式使用。它還配備了Vocal Remover，使用UVR5和Meta的Demucs引擎，以提高語音識別的準確性。

Parler-TTS 是一個由 Hugging Face 開發的輕量級文本轉語音（TTS）模型，能夠以給定說話者的風格（性別、音調、說話風格等）生成高質量、自然 sounding 的語音。它是基於 Dan Lyth 和 Simon King 發表的論文《Natural language guidance of high-fidelity text-to-speech with synthetic annotations》的工作復現，兩位作者分別來自 Stability AI 和愛丁堡大學。與其他TTS模型不同，Parler-TTS 完全開源發佈，包括數據集、預處理、訓練代碼和權重。功能包括：生成高質量且自然 sounding 的語音輸出、靈活的使用和部署、提供豐富的註釋語音數據集。定價：免費。

VoiceBar提供最逼真的AI語音合成服務，包括多國語言和口音，具有高級的語音質量和真實感。無需訂閱，使用極具競爭力。適用於語音留言、多語言文本轉語音、TikTok、解說視頻、學習等場景。

Unreal Speech是一個文本轉語音的API，可將文本轉換為語音，可幫助用戶大幅降低語音合成成本。它比Eleven Labs和Play.ht便宜20倍，比Amazon、Microsoft和Google便宜4倍。Unreal Speech提供高質量的語音合成，並可根據用戶的需要提供個性化的聲音和格式選項。該API還支持即時演示和與其他語音合成引擎進行比較。定價根據字符數和音頻時長計算，隨著使用量的增加而享受折扣。

Voice Remaker是一個完全免費的嵌入式AI語音生成工具，使用最好的合成語音技術來生成最接近人聲的音頻。它支持AI文本轉語音、歷史記錄、音頻文件下載和刪除功能。通過Voice Remaker，您可以立即將文本轉換為自然音質的語音，並以MP3格式下載保存。