ElevenLabs

ChatTTS 是一个在 GitHub 上广受欢迎的开源文本转语音（Text-to-Speech, TTS）模型，专门为对话场景设计。它支持中英文双语，能够生成高质量、自然流畅的语音，适用于大型语言模型（LLM）助手的对话任务、对话式音频和视频介绍等应用。ChatTTS 的语音合成能力得益于其大规模的数据训练。其主要模型使用了大约100,000小时的中英文数据进行训练，这使得它能够准确捕捉语音的细微变化，生成逼真的语音效果。此外，项目团队还计划开源一个经过40,000小时数据训练的基本模型，这将有助于学术界和开发人员社区的进一步研究和开发。ChatTTS 的核心功能包括多语言支持、细粒度控制（如加入笑声、停顿和语气词）以及预训练模型的支持，这些特性使得它在语音合成领域表现出色。通过这些功能，ChatTTS 不仅能够生成自然流畅的语音，还能实现个性化配音，满足不同应用场景的需求。ChatTTS 是一个功能强大且灵活的开源文本转语音模型，适用于多种对话场景和应用，其高质量和自然的语音合成能力得到了广泛认可和应用。

【AI 一键为你成音乐，人人皆可成为作曲家】在今年一月份的时候，Google 正式对外发布了 MusicLM，一款实验性 AI 工具，可快速将文本生成一段美妙动听的音乐。比如，用户填入「晚宴上的深情爵士乐」提示词，MusicLM 便会生成两个歌曲版本，供你选择。Google 会通过你做出的选择，用于改善并持续优化模型。早些时候，该产品仍在封闭开发，不过，现在已经正式发布了，所有用户可通过 Google AI Test Kitchen 进行申请，加入候补名单，通过后便可试用。

讯飞听见依托科大讯飞的AI语音识别技术,打造智慧办公服务平台,提供语音转文字、录音转文字、视频会议、视频转文字、视频加字幕、同声翻译、语音翻译等服务,可满足多样化的语音转文字需求,致力于提高办公效率。

天工AI音乐，国内版Suno

【通义听悟】工作学习AI助手，依托大模型，为每一个人提供全新的音视频体验。公测期免费体验。上课、开会好帮手，能够实时语音同步听写并总结分析，还可以支持上传音视频给AI分析总结。

在线音频处理工具，可以分离人声，也可以拼接音频等外项功能