有声书突换AI配音引不适，语音克隆技术能否实现“实时还原”？
近日，有听众在收听长篇有声书《诡道异仙》时遭遇“听感断层”：播放至第308集后，平台突然更换了旁白配音，新旧音色风格迥异，严重影响收听体验。面对长达700多集的后续内容，听众提出能否利用技术手段，通过提取旧旁白的音色特征，对新的旁白声音进行...
标签索引
tts
这个标签下有 22 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
小米豪掷万亿Token推AI激励计划，MiMo Orbit平台面向全球开发者开放
小米近日启动了名为“Xiaomi MiMo Orbit”的百万亿Token创造者激励计划，旨在吸引全球开发者加入其AI生态。该平台向用户限时发放高达100T Credits的算力资源，个人额度可达16亿Token，有效期一个月。开发者可通过...
谷歌Gemini发布TTS新模型：支持音频标记控制语气，语音自然度大幅提升
谷歌近日悄然更新了 Gemini 系列的文本转语音（TTS）模型，推出了代号为 `gemini-3.1-flash-tts-preview` 的预览版本。该模型显著提升了语音生成的自然度与生动感，使其听感更接近真人。最关键的技术突破在于，新...
免费TTS神器GlowTTS：支持本地文件的AI网页朗读插件，完美适配移动端
GlowTTS 是一款轻量级、完全免费的 Chrome 文本转语音（TTS）扩展。它不仅能在网页上快速触发朗读，还独特地支持本地 HTML 文件及离线环境下的语音播放。通过 Kiwi 或 Yandex 等浏览器，该扩展打破了桌面端限制，成功...
AI听书新工具：静听App发布，支持多角色沉浸式语音与离线TTS
针对 iOS 平台本地听书痛点，开发者推出了“静听” App。该应用不仅内置 40 多种完全免费的离线 AI 语音，解决了地铁通勤无信号时的听书需求，更引入了先进的 AI 角色分析技术。它能自动识别小说文本中的对话与旁白，为不同角色分配不同...
利用浏览器端 OCR 技术破解 Kindle 网页版字体加密，实现完美 TTS 朗读
开发者针对 Kindle Cloud Reader 使用自定义加密字体导致传统 TTS 扩展失效的问题，提出了一种基于视觉的解决方案。该项目不依赖被混淆的 DOM 文本，而是直接捕获页面渲染像素，利用 tesseract-wasm 在浏览器...
支持私有化部署的AI语音克隆与TTS方案引热议：Fish-Speech与CosyVoice3成热门
随着生成式AI技术的飞速发展，对于数据隐私和成本控制的关注使得“私有化部署”成为企业和技术开发者的重要诉求。近期，技术社区针对支持本地部署的声音克隆与TTS（文本转语音）工具进行了深入探讨。讨论重点集中在如何摆脱对云端API的依赖，实现离线...
开源项目RadioNowhere发布：AI Agent驱动音乐电台v1.0上线
开源项目RadioNowhere发布1.0.0版本，这是一款由AI Agent驱动的智能音乐电台。项目经过大规模重构，显著提升了播放流畅度与页面美观度，并优化了Gemini TTS调用逻辑以规避速率限制。尽管目前仍存在节目切换困难及内容重复...
通义千问Qwen3-TTS发布：97ms超低延迟，语音克隆仅需3秒
阿里通义千问团队正式发布开源文本转语音模型系列Qwen3-TTS。该模型在语音生成质量和速度上均有显著提升，端到端合成延迟低至97ms，实现真正的实时流式生成。核心亮点包括仅需3秒音频即可完成快速克隆，以及支持用自然语言描述来自由设计语音的...
全自动AI电台RadioNowhere：多Agent驱动生成广播节目
开发者分享了名为RadioNowhere的AI驱动电台预览版，该电台完全由AI Agent控制，实现了节目生成、音乐选择与语音播报的自动化。项目支持自建API接口，内置了微软TTS接口供免费使用。目前该项目仍处于早期阶段，存在音乐播放不稳定...