tts

使用iOS个人声音与SoVITS训练个人AI语音（10分钟快速上手）序言：最近在抖音上频繁看到曼波唱歌的视频和各种AI语音的搞笑短片，加上年后新购置的M2硬盘终于提供了足够的存储空间，让我有机会深入研究AI语音训练。24年年初我就想进行AI语音训练，但苦于语音素材难以获取，这次有了iOS收集素材就方便多了。在公司闲暇时，我摆弄着自己的iPhone 12，偶然发现了“个人声音”这一新功能，它允许用户在手机上训练一个基础的AI模型。我意识到可以将自己录制的150条语音导出，并通过查阅资料了解到可以利用SoVITS进行语音模型训练。因此，我撰写这篇教程，旨在记录并指导大家如何使

【AI应用】免费的文本转语音工具：微软 Edge TTS 和开源版 ChatTTS 对比【AI论文解读】【AI知识点】【AI小项目】【AI战略思考】【AI日记】【读书与思考】【AI应用】我试用了下Edge TTS，感觉还不错，不过它不支持克隆声音（比如自己的声音）

OpenAI-Edge-TTS：本地化 OpenAI 兼容的文本转语音 API，免费高效！文本转语音（TTS）技术已经成为人工智能领域的重要一环，无论是语音助手、教育内容生成，还是音频文章创作，TTS 工具都能显著提高效率。今天要为大家介绍的是 OpenAI-Edge-TTS，一款基于 Microsoft Edge 在线文本转语音服务的开源项目，它提供了一个与 OpenAI API 兼容的本地 TTS 端点，让你能够通过简单的配置轻松实现文本到语音的转换，而且完全免费！

音频合成的常见问题使用了1年多的音频合成，有些常见的问题分享给大家。一、音质问题噪声音频失真音质模糊二、音色问题音色不匹配

【论文笔记之 Mega-TTS2】Boosting Prompting Mechanisms For Zero-Shot Speech Synthesis本文对 Ziyue Jiang 等人于 2024 年发表的论文进行简单地翻译。如有表述不当之处欢迎批评指正。欢迎任何形式的转载，但请务必注明出处。

解决安装pynini和WeTextProcessing报错问题点击这里，访问博客最近在给别人有偿部署ASR-LLM-TTS项目时遇到安装pynini和WeTextProcessing依赖报错的问题，报错信息如下：

微信小程序TTS解决方案微信小程序原生语音合成 API（基础且简单）使用第三方TTS服务（功能丰富但可能涉及费用等情况）自行搭建TTS服务（技术难度高但高度定制化）

使用 F5 TTS 文字转音频F5 TTS 支持 ZeroShot 音频克隆，只有将需要音频传给模型，模型既可以生成以对应声音生成的音频，F5 最强大的地方就是可以使用定制的人声。F5 使用了 DIT 架构进行训练，结构如下：

刘悦的技术博客

MaskGCT,AI语音克隆大模型本地部署(Windows11),基于Python3.11,TTS,文字转语音前几天，又一款非自回归的文字转语音的AI模型：MaskGCT，开放了源码，和同样非自回归的F5-TTS模型一样，MaskGCT模型也是基于10万小时数据集Emilia训练而来的，精通中英日韩法德6种语言的跨语种合成。数据集Emilia是全球最大且最为多样的高质量多语种语音数据集之一。

GPT-SOVIT模型部署指南强大的小样本语音转换和文本转语音 WebUI。具有以下特征：测试环境用户可以在这里下载所有这些模型。也可从modelscope下载：

七哥的AI日常

探索前沿科技：在本地系统上安装和使用Style TTS2进行高质量语音合成我们正处于一个令人激动的时代，有如此多的选择，不仅在大型语言模型方面，还有现在的文本到语音（TTS）模型。在这篇文章中，我将向您展示如何在本地系统上轻松安装这个非常出色的模型——Style TTS2，然后进行语音克隆，或者您可以进行多语音或单语音的文本到语音转换，操作非常简单、快捷，并且具有人类级别的语音质量。

AudioNotes -将音频内容转 markdownAudioNotes 能够快速提取音视频的内容，并且调用大模型进行整理，成为一份结构化的markdown笔记，方便快速阅读。基于 FunASR 和 Qwen2 构建。

代码讲故事

AI文本转语音：Toucan TTS 支持 7000 多种语言的语音合成工具箱，突破性 OCR 技术：支持多种语言识别，媲美顶级云服务AI文本转语音：Toucan TTS 支持 7000 多种语言的语音合成工具箱，突破性 OCR 技术：支持多种语言识别，媲美顶级云服务。

数字人的形象克隆与语音克隆是伪需求形象克隆与语音克隆技术，在当前的环境上已经可以成熟的实现，但真的解决了痛点问题吗？普通人或者一般的公司克隆自己内部人的形象有必要吗？对外界而言，克隆的形象与虚拟的形象并无二致，本身并没有什么知名度，克隆后也不会有大的改观，除非你想立这个人设，所以，没有知名度的人物的形象克隆都是伪需求。

构建具有音频功能的中英翻译器：一个Python应用程序的旅程在当今的全球化世界中，语言翻译工具变得越来越重要。作为一名软件开发者，我最近完成了一个有趣的项目：一个结合了翻译、文字转语音和数据管理功能的中英翻译器。在这篇博客中，我将分享这个应用程序的主要特性和开发过程中的一些见解。 C:\pythoncode\new\travlelanguage.py

GPT-SoVITS - few shot 声音克隆演示视频：https://www.bilibili.com/video/BV12g4y1m7Uw未见过的说话者 few-shot 微调演示：

Dify中语音和文字间转换问题的一种暂时注释方式本文主要解释了Dify中语音和文字间转换可能会遇到的问题，并给出了一种暂时注释的解决方案。本地部署文本转语音时，如果遇到如下问题，安装ffmpeg即可。但是如果安装后，重启系统还是遇到这个问题该如何办？

学术菜鸟小晨

语音合成-TTS文字转语音(专业版)语音合成-TTS文字转语音(专业版)*使用强大的智能AI语音库，合成独具特色接近真人语音的朗读音频。*使用极具表现力和类似人类的声音，使文本阅读器和已启用语音的助理等方案栩栩如生。

ChatTTS超强的真人AI语音助手下载使用教程ChatTTS是专门为对话场景设计的文本转语音模型，支持多人同时对话，适用的场景非常丰富，比如LLM助手对话任务，视频配音、声音克隆等。同时支持英文和中文两种语言。最大的模型使用了10万小时以上的中英文数据进行训练，功能非常的强大。文本转语音（TTS）在生活中的应用非常的广泛，比如有声小说、语音导航，视频配音和智能家居控制等。今天给大家推荐一个超强的TTS文本转语音应用，适用于自然、对话式文本转语音，特别适用于大型语言模型助手的对话任务，以及诸如对话式音频和视频配音等，并且可以免费使用。

学习TTS遇到的问题3QAT是Quantization-Aware Training的缩写，即量化感知训练。它是一种在训练过程中考虑到量化影响的方法，目的是在模型最终量化到低精度（例如8位或更低）时，尽量减少精度损失。通过QAT，模型在训练过程中就会模拟量化的效果，从而在实际应用时能更好地适应量化后的环境。