开源TTS模型

Kokoro TTS是一款拥有 8200 万参数的先进文本转语音模型，基于 StyleTTS 2 架构，提供高质量、自然的语音合成。支持多语言，包括英语、法语、韩语、日语和普通话。适用于有声书、播客、培训视频等多种应用场景。Kokoro TTS 是开源的，具备高效、实时处理的特点，适用于各种环境中的语音合成需求。

VoxCPM是由面壁智能（ModelBest） 联合 清华大学深圳国际研究生院人机语音交互实验室（THUHCSI） 开发并开源的无分词器文本转语音（Tokenizer-Free TTS）系统。 它采用端到端扩散自回归架构（Diffusion Autoregressive），直接从文本生成连续语音表示，突破了传统离散标记化方法的限制，在自然度、表现力和音色还原度上有显著提升。