文字转语音（配音播报）

最强开源端到端语音大模型 阶跃星辰发布的Step-Audio2mini是一款开源的端到端语音大模型，能够实现语音理解、音频推理与生成的统一建模。

Captions是一个AI驱动的创意工作室，旨在简化创意过程并帮助用户提升叙事水平。它提供了一系列AI工具来增强视频和音频内容的制作。

轻松创建您想象中的声音 FineVoice是由Fineshare推出的多功能AI语音工具，集成了实时变声、语音克隆、文本转语音、语音转文本及AI音效生成等功能，支持149种语言和1000多种AI声音模型，让用户无需专业设备即可创作出专业级配音内容。

Qwen2-VL是一个基于自然语言处理（NLP）技术的语音到文本（Voice-to-Text）和文本到语音（Text-to-Speech, TTS）转换工具，旨在提供高质量的语音转换服务。

阶跃开源的130B语音模型 一款强大的开源语音交互模型，能够实现语音识别、对话生成、情感克隆和多语言支持，为用户提供高质量的实时语音交互体验。

Fliki 是一款文本转视频和文本转语音创建器，可帮助您在几分钟内创建高质量的音频和视频内容。【需要科学上网】【使用教程点击下方链接】

开源音频模型的新突破 Voxtral 是 Mistral 推出的首个开源音频模型，旨在为企业和开发者提供高性价比的语音智能解决方案。

文本转语音 一款革命性的语音语言模型，能够将文本迅速转换为具有真人声和克隆人格特征的语音。

开启AI语音合成新时代 高品质TTS（语音合成）引擎，基于新一代语音生成模型Spark-TTS，具备超自然的语音克隆与跨语种生成能力。

轻量化语音合成模型 MegaTTS3 是由字节跳动与浙江大学合作开发的一款轻量级文本转语音（TTS）模型，以高效、轻量化和高质量语音合成为特点。

开启音频生成新纪元 AudioStory是腾讯ARC实验室推出的一种能够根据文字描述生成高质量音频内容的技术，具有强大的叙事能力。

HitPaw 是一个提供强大视频、音频和图片解决方案的平台，由一系列多媒体工具组成，旨在帮助用户在各种媒体内容上进行创作、编辑和转换。

开启语音交互新时代 GPT-Realtime是OpenAI推出的一款强大的语音到语音模型，采用端到端Speech-to-Speech架构，能够直接生成并处理语音，省去常规的文本转换步骤，广泛应用于多种语音交互场景。

B站开源的情感与时长可控文本转语音模型 IndexTTS-2.0 是哔哩哔哩开源的全球首个支持情感与时长双重控制的自回归零样本文本转语音系统，专为高质量AI配音与跨语言内容本地化打造。

专业级AI音频生成工具 Stable Audio 2.5 是 Stability AI 推出的最新音频生成模型，可在几秒内生成高质量、多段落结构的音乐，支持文本转音频、音频修复等多种创作方式。