开源桌面配音工具 yovoice：本地运行，支持音色复刻、情绪调节与 Agent 接入
yovoice 是一款支持 macOS 和 Windows 双平台的本地运行的开源桌面配音应用，提供音色复刻、情绪调节等功能。
标签索引
语音合成
这个标签下有 23 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
开源项目TTSFM复活：提供免费OpenAI语音合成接口
开源项目 TTSFM 已恢复上线，为开发者提供了一个免费的 OpenAI 文本转语音（TTS）替代方案。该项目基于 openai.fm 后端构建，完全兼容 OpenAI API 接口，并提供了 Python SDK 和 Docker 部署方...
xAI发布最新语音模型：Grok Imagine实现精准口型同步，生成能力大幅提升
xAI（埃隆·马斯克旗下的AI公司）发布了其最新的语音模型，显著提升了音频生成的流畅度与自然度。根据社区测试视频显示，新模型在处理高难度绕口令时表现依然流畅稳定，未见卡顿。此外，视频生成工具Grok Imagine也进行了重要升级，重点优化...
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...
开源黑科技：利用 Edge TTS 实现飞书语音消息零成本推送，支持树莓派部署
一款名为“飞书语音消息技能”的开源工具引发关注。该项目巧妙利用微软 Edge 浏览器的 TTS 接口，将文字实时转换为逼真语音并直接推送至飞书，无需任何付费 API 密钥。其最大的亮点在于极低的资源占用，即使是树莓派等低功耗设备也能流畅运行...
开源新项目 Qwen3-TTS Skill 上线：支持本地部署与自然语言音色设计
开发者近日发布了基于 Qwen3 模型的 TTS 开源项目“qwen3-tts-skill”。该工具主打本地化部署，保障用户隐私，提供了单句语音生成与长文稿批量配音功能。其核心亮点在于支持三种高级语音模式：结合情感指令的内置音色、通过自然语...
Mistral AI 发布 40 亿参数开源模型 Voxtral TTS，主打低延迟多语言生成
Mistral AI 正式推出了 Voxtral TTS，这是一款拥有 40 亿参数的开放权重流式语音模型。该模型专为低延迟的多语言语音生成而设计，支持实时流式传输，能够生成高质量、自然流畅的语音。这一发布标志着 Mistral AI 从纯...
OpenRouter 神秘模型 Hunter Alpha 揭晓：小米发布万亿参数 MiMo-V2 系列，推全模态与语音合成大模型
小米正式上线 MiMo 开放平台，并发布三款全新模型。此前在 OpenRouter 平台以代号“Hunter Alpha”匿名登顶的神秘模型被证实为 MiMo-V2-Pro。该模型拥有万亿参数规模，支持 1M Token 上下文，专为处理复...
Hume AI 发布 TADA 技术：通过文本-声学同步实现极速可靠的语音生成
Hume AI 推出了一项名为 TADA 的新型语音生成技术。不同于传统的文本转语音（TTS）模型，TADA 引入了“文本-声学同步”机制，旨在有效解决生成语音中常见的延迟和音字不匹配问题。该技术在保证高音质的同时，显著提升了生成速度和可靠...
无需云端：一款纯浏览器端运行的英式口音AI生成器
一位开发者推出了一款免费的英式口音AI语音生成工具。用户只需输入文本并从8种逼真音色中进行选择，即可生成语音。该工具的核心亮点在于所有处理逻辑完全在用户浏览器端执行，无需数据上传，既保护了隐私又确保了即时响应。目前单次输入限制为500字符，...