近期又发现一款刚开源的新型高保真 TTS 模型：Zonos。开源不到5天，已经在 GitHub 上收获了 1.1k 标星。 无论是快速生成特定情绪的语音，还是精准地模拟特定人的语音，它都能轻松搞定。

随着语音助手、会议转写等应用的普及，轻量级、高性能的音频模型需求也日益增长。 Aero-1-Audio 是一款新型的1.5B参数音频模型，由 LMMs-Lab 开发，基于 Qwen-2.5-1.5B

Kimi-Audio是月之暗面推出的开源音频基础模型，基于1300万小时多样化音频数据训练，采用混合输入架构和流式解码技术，支持语音识别、情感分析等十余种音频处理任务。

文本转语音（TTS）领域又迎来一位重磅新星！ 由 Nari Labs 开发的 Dia-1.6B 以其超逼真的对话生成能力引发热议，仅开源两天便在 GitHub 收获 6.5K+ Star！ 据说其能力

前言 很久之前就想给大家介绍声音克隆开源项目GPT-SoVITS ，但是看到视频教程过于复杂了，最近又出现了一个剪辑《人民的名义》的短视频非常搞笑，先给大家看下这个视频： https://v.douy

说起**文生语音模型**，最广为人知的肯定是 **OpenAI 的 Whisper**，之前试过确实

平心而论，CosyVoice不愧是大厂出品，模型的品质没的说，代表了国内AI的最高水准，通义实验室名下无虚，当然，如果能将工程化之后的代码也开源出来，那就更好了，相信经过libtorch的优化

TTS 语音模型我们都不陌生，前段时间一夜火爆的ChatTTS模型更是效果炸裂，很多人都更换了常用的语音生成模型，转而使用它。 而今天再次为大家介绍一款新型的TTS语言生成模型工具-FishSpeec

简介 Tone.js-Instruments 是github上的一个开源项目，此项目神奇之处在于，他并非处理我们常见的业务场景，而是一个基于音频文件调度来实现演奏乐器功能的基础库，我们可以利用其在很短