搜索结果：speech（27 个）
按分类缩小范围
MockingBird
综合 54
仅需 5 秒即可克隆声音，并实时生成任意语音的开源工具。
moshi
综合 54
语音-文本基座模型与全双工口语对话框架，采用前沿的流式神经音频编解码器 Mimi。
Qwen3-TTS
综合 53
阿里千问团队开源的 TTS 模型系列，支持稳定、高表现力、流式语音生成、自由声音设计与声音克隆。
csm
综合 52
一款对话式语音生成模型。
whisper （通用语音识别模型）
综合 50
基于大规模弱监督训练的高鲁棒性通用语音识别模型。
Real-Time-Voice-Cloning
综合 49
仅需 5 秒即可克隆声音，并实时生成任意语音。
FluidAudio
综合 42
Swift 音频库，为应用提供前沿 CoreML 模型，支持 TTS、STT、语音活动检测与说话人日志。