Voicebox评测：开源语音克隆工作室，ElevenLabs免费替代方案
简介 Voicebox是一款本地优先的开源语音克隆工作室，号称是ElevenLabs的免费替代品。只需几秒音频就能克隆声音，支持23种语言、5种TTS引擎，所有数据都留在你的电脑上——对隐私敏感的内容创作者来说，这简直是神器。 核心功能 声 …
TTS
Voicebox评测：开源语音克隆神器详解
简介 Voicebox是本地跑的语音克隆工具，有人叫它"开源版ElevenLabs"。上传几秒音频就能克隆声音，支持23种语言，数据都在自己电脑上，隐私这块不用担心。 核心功能 声音克隆：几秒音频就能克隆，多样本效果更好 5个TTS引擎 …
VoxCPM2评测：开源48kHz多语言TTS方案详解
简介 VoxCPM2是OpenBMB团队开源的文本转语音模型，支持30种语言，能输出48kHz高质量音频。说白了就是：你输文字，它出人声，而且效果能打。 核心功能 30种语言直出：中英日韩法德西等主流语言全覆盖，输入文本自动识别语言，不用手 …
VoxCPM2评测：开源多语言AI语音合成方案详解
简介 VoxCPM2是OpenBMB团队开源的AI语音合成工具，支持30种语言、48kHz高保真输出，能做声音克隆和语音设计。2B参数量，Apache-2.0许可证，可商用。 核心功能 30语言支持：中英日韩、欧洲主流语言、东南亚语言等，输 …
VibeVoice评测：微软开源语音AI三剑客详解
简介 VibeVoice是微软开源的前沿语音AI框架，刚上GitHub Trending就炸了——一天涨了1600多星。这东西厉害在哪？它把语音识别和语音合成这两个硬骨头啃得挺漂亮：ASR能一口气处理60分钟长音频，TTS能生成90分钟的连 …
VibeVoice评测：微软开源语音AI方案详解
简介 微软开源了一套语音AI模型，叫VibeVoice。今天GitHub上一天涨了2400多星，热度挺高的。核心卖点是：能一口气处理60分钟的音频，还能识别是谁说的、什么时候说的。 简单说，就是给播客、会议录音做转写的。跟那些把音频切成小段 …
fish-speech：开源 TTS 如何突破 SOTA？技术原理与应用实践
语音正在成为 AI Agent 的下一个战场。 当 GPT-5.4 可以直接理解语音输入，当 Claude 能够生成更自然的语音回复，当 OpenAI 的语音模式让对话体验逼近真人——语音不再是"锦上添花"，而是 AI 交互的核心能力。 在 …