Project Icon

F5-TTS

提高训练和推理速度的先进文本到语音转换系统

项目F5-TTS利用Diffusion Transformer和ConvNeXt V2技术,显著提升了训练和推理速度。支持生成最长30秒的音频,并通过Sway Sampling技术优化推理性能。用户可以自定义数据集,并使用多GPU和fp16配置加速训练。提供单次推理、语音编辑和批量推理功能,并支持通过Gradio App进行操作。多种测试数据集和评估工具确保模型表现稳定高效。

fish-diffusion - 开源框架简化TTS、SVS和SVC模型开发
AI模型Fish DiffusionGithub多说话人开源项目语音合成
Fish Diffusion是一个开源的语音合成训练框架,专注于TTS、SVS和SVC任务。基于扩散模型,它支持多说话人合成和44.1kHz高品质输出。该项目优化了代码结构,提高了训练效率,并提供完整的环境配置和使用指南。Fish Diffusion适合研究人员和开发者探索语音合成技术,同时强调负责任的AI应用。项目特点包括简化的代码结构、多设备训练支持和半精度训练,有助于提高开发效率和降低资源消耗。此外,还提供了详细的数据集准备和模型训练指南,便于用户快速上手。
tango-full - 基于扩散模型的高质量文本到音频生成工具
GithubHuggingfaceTANGO开源项目文本转音频模型深度学习生成式人工智能语音合成
TANGO是一个开源的文本到音频生成工具,基于潜在扩散模型实现。它可根据文本提示生成包括人声、动物声、自然声和人工音效在内的多种逼真音频。TANGO采用Flan-T5作为文本编码器,结合UNet架构的扩散模型进行音频生成,在客观和主观评估中均优于现有技术。该项目提供了完整的模型代码、训练流程和预训练权重,为音频生成研究提供了有力支持。
fish-speech - 全新的TTS解决方案
Fish AudioGithub在线演示开源开源项目本地推断热门语音合成
Fish Speech项目是一个基于最新语音合成模型的平台,提供包括VITS2、Bert-VITS2在内的多种模型。项目代码遵循CC-BY-NC-SA-4.0许可发布,且拥有多种语言文档支持和实用的在线演示。该平台适用于学术研究和开发使用,旨在推动语音合成技术的发展并提供高质量的语音生成服务。
XTTS-v2 - 多语言语音克隆与生成的开源解决方案
CoquiGithubHuggingfaceⓍTTS声音克隆多语言支持开源项目模型语音生成
XTTS-v2是一个开源的语音生成模型,通过6秒音频实现跨语言声音克隆。支持17种语言,包括新增的匈牙利语和韩语。模型优化了说话人条件设置,提升了音质和韵律表现。适用于文本到语音转换、语音克隆等场景,采用Coqui公共模型许可证。
Matcha-TTS - 具有条件流匹配的快速 TTS 架构
GithubMatcha-TTS开源项目试用非自回归神经TTS音频合成预训练模型
Matcha-TTS采用条件流匹配技术,优化语音合成流程,提高效率同时保证音质自然和内存使用最优化。官方演示页展示了其快速、自然的语音合成能力,详细信息请参阅ICASSP 2024论文。您还可以直接在HuggingFace平台上尝试该技术。
mars5-tts - MARS5英文语音合成模型,提供多声部解析能力
CAMB.AIGithubMARS5开源项目深度学习热门自然语言处理语音模型
MARS5是由CAMB.AI开发的英文语音合成模型,采用两阶段AR-NAR管道设计,并具有创新的NAR组件。该模型能够在仅需5秒的音频和一小段文本的情况下,处理包括体育解说、动画等在内的多样化、复杂的语调场景。用户可以通过简单的设置,选择浅色克隆或深色克隆方法进行语音合成,优化输出以适应特定用途。支持通过Docker或API使用模型,适合没有硬件条件的用户。详见官方文档和GitHub页面。
MARS5-TTS - 新型语音模型应对各种复杂韵律
CAMB.AIGithubMARS5多语文本转语音开源项目深度克隆语音合成
CAMB.AI开发的MARS5是一款创新的语音模型,采用两阶段的AR-NAR流程,并具有独特的NAR组件。能处理复杂多样的场景,比如体育解说和动漫配音。MARS5只需5秒音频和少量文本,即可生成高质量语音。通过标点符号和大写字母,自然引导生成的语音韵律。支持浅克隆和深度克隆两种推理方式,深度克隆进一步提升语音质量。支持从GitHub或Hugging Face加载,提供详细配置选项以优化效果。
Expressive-FastSpeech2 - 非自回归表情文本到语音合成技术
Expressive-FastSpeech2Github多语言支持对话TTS开源项目情感TTS非自回归TTS
Expressive-FastSpeech2是一个非自回归表情文本到语音(TTS)的研究项目,专注于emotional和conversational TTS。该项目使用AIHub多模态视频AI数据和IEMOCAP数据库进行韩语和英语的处理,并提供了不同语言适应和数据处理的指导。
nix-tts - 端到端文本转语音解决方案
GithubNix-TTS开源项目文本转语音知识蒸馏轻量级非自回归
Nix-TTS通过模块化知识蒸馏技术实现了高效轻量的端到端文本转语音合成,显著降低模型尺寸至5.23M参数,加速了处理速度,同时保持了良好的声音自然性。
ChatTTS - 优化对话场景的文本转语音技术,提供自然流畅的语音输出
AI工具ChatTTS人工智能对话系统自然语言处理语音合成
ChatTTS是一种针对对话场景优化的文本转语音模型,适用于聊天机器人和虚拟助手等应用。该模型支持英语和中文,通过大规模数据训练,生成自然、富有表现力的语音输出。ChatTTS具备多说话人支持、精细控制和优秀韵律等特点,能够实现逼真的交互式对话。开源版本提供40,000小时预训练模型,适合研究和开发。此模型在对话场景中表现突出,有助于提升语音交互的自然度和生动性。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号