在平时的语音合成TTS整理中,目前有许多优秀的文本转语音(TTS)模型可以推荐,以下是我整理的一些在研究和实际应用中表现突出的10款优秀TTS语音模型:
1、GPT-SoVITS
ai 卖货主播大模型Streamer-Sales销冠用的这款TTS模型,支持英语、日语和中文,零样本文本到语音(TTS)。
集成工具包:github:https://github.com/RVC-Boss/GPT-SoVITS
2、Fish Speech v1.2
效果稳定非常好,支持克隆语音。经过 30 万小时的英语、中文和日语音频数据的训练。
模型:https://huggingface.co/fishaudio/fish-speech-1.2
在线版:https://fish.audio/zh-CN/
3、字节的Seed-TTS(不开源)
支持多种语言包括英语、中文,能够进行同语言生成和跨语言生成,能处理各种文本,叙述性文本、情感表达、描述性文本等,能根据不同的情感和语境生成相应的语音。
项目:https://bytedancespeech.github.io/seedtts_tech_report/
4、ChatTTS
对话式 TTS(可多人),支持中英文,韵律细腻。
github:https://github.com/2noise/ChatTTS
模型:https://huggingface.co/2Noise/ChatTTS/tree/main
5、Parler-TTS
可以控制音调、速度、性别、噪音水平、情绪特征等等
github:https://github.com/huggingface/parler-tts
模型:https://huggingface.co/parler-tts
6、MetaVoice-1B
支持多语言,在英语处理上实现了情感语音节奏
github:https://github.com/metavoiceio/metavoice-src
7、MARS5-TTS
MARS5可以为体育解说、动漫等韵律复杂和多样化的场景生成语音
github:https://github.com/Camb-ai/MARS5-TTS
8、OpenVoice
原生支持英语、西班牙语、法语、中文、日语和韩语,具有灵活的语音风格控制和零样本跨语言语音克隆能力。
github:https://github.com/myshell-ai/OpenVoice
9、EmotiVoice
支持中英文双语,包含2000多种不同的音色
github:https://github.com/netease-youdao/EmotiVoice/blob/main/README.zh.md
10、StyleTTS2
近乎人类水平的文本转语音库,它利用风格扩散和对抗训练与大型语音语言模型 (SLM) 来实现人类水平的 TTS 合成。
github:https://github.com/yl4579/StyleTTS2
以上是我整理的10款优秀TTS语音模型,这些模型在不同的应用场景和硬件配置下各有优劣,选择合适的模型需要根据具体应用和资源进行评估。