开源文本到语音系列，开源TTS系列，Text-to-Speech系列

Zonos，开源的TTS模型，允许对说话速度、音高变化、音频质量以及快乐、恐惧、悲伤和愤怒等情绪进行精细控制。

Github地址：https://github.com/Zyphra/Zonos

详细与演示：https://www.52wts.cn/5839.html

chatTTS是一款强大的对话式文本转语音模型，它有中英混读和多说话人的能力，可以配置为中文，英文，日文等六种语言。

Github地址：https://github.com/2noise/ChatTTS

详细与演示：https://www.52wts.cn/1673.html

ToucanTTS，开源的文本转语音，支持超过7000种语言的语音合成，具备多说话人语音合成功能，能够模拟多种说话人的节奏、重音和语调。

Github地址：https://github.com/DigitalPhonetics/IMS-Toucan

详细与演示：https://www.52wts.cn/2062.html

Fish Speech，完美支持中英日语言的开源TTS模型，语音处理接近人类水平，模型使用约十五万小时三语数据训练，对中文支持非常的完美。

Github地址：https://github.com/fishaudio/fish-speech

详细与演示：https://www.52wts.cn/2106.html

FunAudioLLM，阿里开源的TTS模型，人与人LLMs之间自然交互的语音理解和生成。

Github地址：https://github.com/FunAudioLLM

详细与演示：https://www.52wts.cn/2174.html

Parler-TTS 是一种轻量级文本转语音 （TTS） 模型，可以按照给定说话者的风格（性别、音调、说话风格等）生成高质量、自然的语音。

Github地址：https://github.com/huggingface/parler-tts

详细与演示：https://www.52wts.cn/2742.html

F5-TTS，上交大/剑桥开源的TTS，零样本声音克隆，推理实时率达到0.15，支持控制语音速度，支持无缝在不同语言/方言间平滑过渡。

Github地址：https://github.com/SWivid/F5-TTS

详细与演示：https://www.52wts.cn/3828.html

MaskGCT，零样本文本转语音，完全非自回归的 TTS 模型，支持跨语言翻译配音、语音克隆、语言转换、情感控制等。

Github地址：https://github.com/open-mmlab/Amphion/tree/main/models/tts/maskgct

详细与演示：https://www.52wts.cn/4133.html

Smol TTS，开源的基于 LLaMa 架构构建的TTS 模型，零样本语音克隆。

Github地址：https://github.com/edwko/OuteTTS

详细与演示：https://www.52wts.cn/4332.html

Kokoro，开源的TTS模型，8200 万个参数，在 <100 小时的音频上进行训练，支持多种语言。

Github地址：https://github.com/hexgrad/kokoro

详细与演示：https://www.52wts.cn/5495.html

OuteTTS，开源的文本到语音模型，支持六种语言，英语（en）、日语（jp）、韩语（ko）、中文（zh）、法语（fr）和德语（de），通过添加标点符号支持，显著增强了语音合成的自然性和连贯性，提高了生成语音的流畅性和清晰度。

Github地址：https://github.com/edwko/OuteTTS

详细与演示：https://www.52wts.cn/5554.html

Llasa，开源的零样本语音克隆和 TTS 模型，可以仅从输入文本生成语音，或者利用给定的语音提示生成语音。

模型下载地址：https://huggingface.co/HKUSTAudio/Llasa-1B

详细与演示：https://www.52wts.cn/5668.html