voice-synthesis

Violin 是一个开源的视频自动配音翻译工具，支持33种语言，集成Whisper、DeepSeek等模型，提供一键式语音识别、翻译、配音合成及视频内问答功能。

Higgs Audio v3 是一个 4B 参数的 TTS 模型，专为语音聊天应用设计，支持 100 种语言并具备内联控制能力。

Derpy Turtle 是一款 Windows GUI 工具，旨在通过整合音色搜索、RVC 模型训练和生成后音色转换，将工作流统一起来，从而增强 Kokoro 的语音输出效果。

中国创业公司 Super Brain 利用照片、视频和语音记录，仅需 3 美元即可生成逝者 AI 克隆。

VoxCPM2 是一个开源的、无分词器的扩散自回归文本转语音模型，支持30种语言，拥有20亿参数，48kHz音频输出，并具备从自然语言描述进行语音设计、可控语音克隆以及实时流式处理等功能。