# 語音生成

VoiSpark是一個AI語音生成平臺，能生成逼真的文本轉語音，克隆聲音，併為視頻、播客等定製獨特AI聲音。該平臺具有100%免費試用。

Smallest AI 是一家專注於提供即時 AI 服務的公司，旗下 Waves 和 Atoms 產品分別專注於生成高質量的 AI 語音和提供即時 AI 客服代理。Waves 能夠即時生成任何口音、語言或情感的 AI 語音，適用於需要個性化語音交互的場景；Atoms 則通過 AI 與客戶進行電話溝通，減輕企業客服負擔。該技術的重要性在於能夠幫助企業提升客戶體驗，同時降低人力成本。其定位是為企業提供高效、個性化的 AI 解決方案，具體價格未在頁面中明確提及，但根據其服務性質推測可能為付費模式。

OCTAVE (Omni-Capable Text and Voice Engine)是一個結合了前沿語言模型和語音系統能力的下一代語音語言模型。它能夠從簡短的描述性提示或錄音中生成不僅僅是聲音，還有個性（語言、口音、表達、潛在性格等），並且能夠即時響應中生成多個交互的AI個性和聲音。OCTAVE維持了類似大小的前沿大型語言模型（LLM）的能力，非常適合驅動與人類豐富溝通的AI系統，同時遵循詳細指令，使用工具或控制界面。

hertz-dev是Standard Intelligence開源的全雙工、僅音頻的變換器基礎模型，擁有85億參數。該模型代表了可擴展的跨模態學習技術，能夠將單聲道16kHz語音轉換為8Hz潛在表示，具有1kbps的比特率，性能優於其他音頻編碼器。hertz-dev的主要優點包括低延遲、高效率和易於研究人員進行微調和構建。產品背景信息顯示，Standard Intelligence致力於構建對全人類有益的通用智能，而hertz-dev是這一旅程的第一步。

LlamaVoice是一個基於羊駝模型的大型語音生成模型，它通過直接預測連續特徵，提供了一種與傳統依賴於離散語音碼預測的向量量化模型相比更為流暢和高效的處理過程。該模型具有連續特徵預測、變分自編碼器(VAE)潛在特徵預測、聯合訓練、先進採樣策略和基於流的增強等關鍵特點。

CosyVoice 是一個多語言的大型語音生成模型，它不僅支持多種語言的語音生成，還提供了從推理到訓練再到部署的全棧能力。該模型在語音合成領域具有重要性，因為它能夠生成自然流暢、接近真人的語音，適用於多種語言環境。CosyVoice 的背景信息顯示，它是由 FunAudioLLM 團隊開發，使用了 Apache-2.0 許可證。

Sonic是由Carteisa團隊開發的低延遲語音模型，旨在為各種設備提供逼真的語音生成能力。該模型利用了創新的狀態空間模型架構，以實現高分辨率音頻和視頻的高效、低延遲生成。Sonic模型的延遲僅為135毫秒，是同類模型中最快的。Carteisa團隊專注於優化智能的效率，使它更快、更便宜、更易於訪問。Sonic模型的發佈，標誌著即時對話式AI和長期記憶的計算平臺的初步進展，預示著未來AI在即時遊戲、客戶支持等領域的新體驗。

bilibot是一個基於嗶哩嗶哩用戶評論訓練的本地聊天機器人，支持文字聊天和語音對話。它使用Qwen1.5-32B-Chat作為基礎模型，並結合蘋果的mlx-lm LORA項目進行微調。語音生成部分基於GPT-SoVITS項目，使用派蒙語音模型。該機器人可以快速生成對話內容，適用於需要智能對話系統的場合。

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。

Donakosy是一款智能AI技術平臺，為專業人士、內容創作者、圖像設計、語音生成等提供全方位的AI服務。通過Chat GPT、AI和OpenAI技術，實現無縫的AI體驗。

Ankara AI是一款利用人工智能為視頻生成敘述的應用程序。用戶只需上傳視頻，選擇語音，輸入敘述提示，Ankara AI將完成剩下的工作！

自得語音技術可通過簡單的步驟創造出屬於你的角色。類似GPT，可生成與真人無異的語音片段，在情感、音色和語速等方面與真人一致。自得語音支持快速定製角色，只需要上傳一段語音即可立即生成屬於你的語音角色。無需下載軟件，可在瀏覽器上完成語音生成。同時提供API接口，方便開發者集成到自己的產品中。商用用戶可享受7x24小時的技術支持。

Listnr AI是一款由AI驅動的語音和視頻生成工具。它提供900多種語音和142種語言選擇，可以生成逼真的語音和視頻內容。用戶可以免費開始使用，並在需要時選擇付費計劃。Listnr AI適用於各種場景，包括生成視頻、創建語音廣告、製作音頻文章、播客製作等。它提供透明的定價，用戶可以根據自己的需求選擇合適的付費計劃。

Fluxon是一個超逼真的AI語音生成器，可以將文本轉化為任何語言的超逼真聲音。它可以在不到10分鐘的示例音頻中克隆任何聲音。您可以在同一個音頻文件中使用多個聲音創建對話。還可以通過訓練自定義聲音來合成單一聲音，創建嘴唇同步視頻。Fluxon提供了REST API，可以將AI語音生成集成到您的應用程序中。它可以用於各種用途，如為營銷和演示視頻添加專業和逼真的配音，從文本生成清晰高質量的有聲書，為NPC生成逼真的人聲，為內容創建專業翻譯，為聊天機器人創建更自然的聲音，將任何文本內容自動轉化為播客等。

ClearCypherAI是一家總部位於美國的AI初創公司，致力於構建前沿的解決方案。我們的產品包括文本轉語音（T2A）、語音轉文本（A2T）和語音轉語音（A2A），支持多語言、多模態、即時語音智能。我們還提供自然語言數據集、威脅評估、AI定製平臺等服務。我們的產品具有高度定製性、先進的技術和優質的客戶支持。