Chatterbox TTS
ResembleAI · 工具包
Resemble AI 的开源文字转语音模型，支持零样本声音克隆和情感夸张控制。最新的多语言版本覆盖 23 种语言，参数量 0.5B。
新上架
开发者 AI 技能与智能体
写代码、审代码用的提示词、编程智能体任务说明和工具包，花更少的 Token。
类别与筛选
没有商品同时包含“transcriptoin”的所有词。下面显示匹配“transcription”或“stt”或“speech to text”的结果。
商品
Scylla's Band
spybyscript · 工具包
既能朗读又能按旋律谱演唱的文字转语音模型，有十四种声音、六种语言，可调强度、语速和音高。
新上架
Ming-3.0-tts-0.5B
inclusionAI · 工具包
把文字转成七种语言的语音，包括中文和英文。它能用一段短音频复制声音，按描述设计新声音，并控制情绪、语速、音高和音量。
新上架
PiVo-1.4M
empero-ai · 工具包
用两个合成声音 Pi 和 Vo 说英语，完整的文字转语音模型只有约 140 万参数，在 CPU 上运行，不需要网络连接。这是一个研究模型。
新上架
parakeet-ultra
moondream · 工具包
把语音转成文字，并给出句子和单词的时间戳。它是 moondream 对 NVIDIA parakeet-tdt-0.6b-v3 做后训练得到的版本，适合需要多语言准确转写的开发者。
新上架
phonon-31m-en
gradium · 工具包
小型英文文字转语音模型，流式输出自然的 24 kHz 音频，可在笔记本 CPU、手机或浏览器标签页里运行。适合想在设备上出声的开发者。
新上架
Cactus runtime
Cactus-Compute · 工具包
提供预编译的运行时二进制文件，在手机、笔记本、服务器和浏览器上本地运行文字、语音和视觉模型。适合在应用里发布设备端 AI 的开发者。
新上架
Mach Boom
SyzygyResearch · 工具包
用 Gradium 的 Phonon 31m 模型的 3.5 位版本，在单个 CPU 核心上把英文文字变成语音，速度比实时快好几倍，适合需要小巧本地语音输出的开发者。
新上架
Earlybird
sahilmahendrakar · 工具包
在设备上把语音转成文字，并在说话人说完之前预测每个词，同时给每个词打分。这是 16.8 MB 的英语模型，适合语音智能体和实时字幕。
新上架
VoxCPM2
openbmb · 工具包
用 30 种语言和九种中文方言朗读文字，输出 48 kHz，可根据文字描述设计新声音，也能从一小段音频克隆声音。这是面向开发者的开放 2.3B 文字转语音模型。
新上架
Kokoro-82M
hexgrad · 工具包
用只有 8200 万参数的小型开放权重模型把文字变成语音，1.0 版有 54 种声音，适合想在应用里加入快速、低成本语音的开发者。
新上架
Mithi v1 Flash
Oomni · 工具包
用男声和女声朗读 11 种印度语言的文字，可在 GPU 或普通 CPU 上运行，适合给应用加入语音功能的开发者。
新上架
OuteTTS WebGPU
webml-community · 工具包
在浏览器里把你输入的文字变成语音，通过 Transformers.js 在 WebGPU 上运行 OuteTTS 语音模型，适合开发者和对浏览器端语音感兴趣的人。
新上架
SNAP Cloud REST API + Edge-tts
softguy777 · 工具包
一个韩语语音合成的 Gradio 页面，作为 SNAP Cloud REST API 和 Edge-tts 神经语音的前端。适合想听一听、试一试韩语文字转语音的开发者。
新上架
Tamil Whisper ASR
skpranav22 · 工具包
在 Gradio 演示里把泰米尔语语音转成文字，使用经 LoRA 适配到泰米尔语的 Whisper small。适合做泰米尔语语音识别的开发者、研究者和学习者。
新上架
Kannada TTS - Kokoro-82M
Sammy-Mohan · 工具包
一个卡纳达语文字转语音模型的静态展示页，这个模型是 82M 的 Kokoro 模型的微调版本，带有可在浏览器里播放的音频样本。可在线打开，也可从本地副本打开。
新上架
Catalan Text-to-Speech
projecte-aina · 工具包
一个 Docker 应用，名字说明它把加泰罗尼亚语文字变成语音，来自 projecte-aina。README 没有任何描述，所以请直接看页面了解它能做什么。
新上架
WaveGen
LeeSangHoon · 工具包
根据一段参考录音、它的准确文字稿和要朗读的文字，生成英语或普通话语音。在 ZeroGPU 上提供 WaveGen V-Spec 和 WaveGen-Flash 两个模型，输出 24 kHz 音频。
新上架
matxa-tts-v2
BSC-LT · 工具包
用一个快速、轻量的中部加泰罗尼亚语声音模型，把加泰罗尼亚语文字转成语音。可在 Hugging Face 的浏览器里运行，也可在你自己电脑上的 Docker 容器里运行。
新上架
Supertonic 3 TTS
arjunbroepic · 工具包
在普通 CPU 上用 Gradio 页面运行 Supertonic 3 文字转语音模型。适合想不用 GPU 就听听 Supertone 模型效果的开发者和好奇的用户。
新上架