📁 开源语音音频工具 （12 个工具）

在 Whisper 基础上加入对齐与说话人分离的开源转录工具。

开源零样本工业级中文语音合成，对标自然度。

HuggingFace 开源的由文本描述控制风格的语音合成。

端到端语音合成经典开源模型，质量与效率兼顾。

开源 Retrieval-based 语音转换，常用于翻唱与配音。

Fish Audio 开源的基于 VQ 声码器的语音合成，质量高。

MyShell 开源的即时音色克隆语音合成模型。

阿里 FunAudioLLM 开源的多语言语音生成，支持音色克隆。

开源对话级中文语音合成，自然流畅适合 LLM 配音。

Suno 开源的神经网络语音生成，可生成带语气与音乐的语音。

开源语音合成工具包，支持多说话人与多种声学模型。

OpenAI 开源的通用语音识别模型，多语言转录能力强。