TTS - 标签 - Text Matrix

TTS

2026

09-06 VoiceStudio 拆解：本地跑通的 ElevenLabs 平替，把语音生产流水线搬回自己机器

08-01 VibeVoice：微软开源的前沿语音 AI 引擎

07-10 kyutai-labs/pocket-tts：把 100M 参数 TTS 装进 CPU 口袋

07-07 speech-to-speech：Hugging Face 开源的 OpenAI Realtime 兼容语音 Agent 全栈 pipeline

06-25 MoneyPrinterTurbo：把 5 个服务模块装成一条命令的 AI 短视频工厂

05-18 Supertonic 拆解：99M 参数的端侧 TTS 引擎，停在了 2026 年 7 月

05-17 mellifluous：本地运行的 Markdown TTS 工具，让文档自己"出声"

04-29 VibeVoice：微软开源语音模型家族，把 60 分钟长音频带进 ASR

04-16 Voicebox：把语音克隆、生成与听写都留在本地的开源语音工作室

04-12 VoxCPM2：放弃离散音频分词，用连续扩散合成 30 种语言的语音

04-08 RedditVideoMakerBot：一键自动化Reddit内容视频生成工具

04-01 NeMo：NVIDIA 对话式 AI 框架完全指南

03-31 Faster Qwen3-TTS：用 CUDA Graph 把 Qwen3-TTS 压到实时

03-30 VibeVoice：微软开源前沿语音 AI，从入门到精通