产品库

语音转文字,支持实时语音识别、录音文件识别等

腾讯云语音识别(ASR)为开发者提供语音转文字服务的最佳体验。语音识别服务具备识别准确率高、接入便捷、性能稳定等特点。腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同类型开发者需求。技术先进,性价比高,多语种支持,适用于客服、会议、法庭等多场景。

开源文本转语音系统

Whisper Speech是一款完全开源的文本转语音模型，由Collabora和Lion在Juwels超级计算机上训练。它支持多种语言和多种形式的输入，包括Node.js、Python、Elixir、HTTP、Cog和Docker。该模型的优势在于高效的语音合成和灵活的部署方式。定价方面，Whisper Speech完全免费。它定位于为开发者和研究人员提供一个强大的、可定制的文本转语音解决方案。

开源的前沿语音 AI 模型，支持语音识别和文本转语音。

VibeVoice 是一个开源的语音 AI 模型家族，包括长形式语音识别（ASR）和文本到语音（TTS）模型。其创新性地使用了连续语音标记器，能够以极低的帧率处理长序列，并在一次处理内完成长达 60 分钟的音频转录，生成结构化的输出。VibeVoice 支持多种语言，并专注于提高语音生成的自然性和表达力，非常适合研究和开发用途，用户需确保负责任的使用。该产品免费开源，适合语音识别和合成的研究人员及开发者。

在线文本转语音工具，支持74种语言及318种声音。

文字转语音工具是一款在线服务产品，它能够将文本内容转换成自然流畅的语音输出，支持74种不同的语言和318种不同的声音风格。这项技术的应用场景广泛，包括视频配音、有声读物制作、公告通知、出海营销和外语学习等。产品的主要优点包括支持多语言、多声音选择、无需下载安装、不限使用次数和时长，且完全免费。它为内容创作者、营销人员、教育工作者和语言学习者提供了极大的便利。

将文本转换为自然流畅的语音输出

文本转语音技术是一种将文本信息转换为语音的技术，广泛应用于辅助阅读、语音助手、有声读物制作等领域。它通过模拟人类语音，提高了信息获取的便捷性，尤其对视力障碍者或在无法使用眼睛阅读的情况下非常有帮助。

最逼真的文本转语音和语音转文本工具

Voiser是一款拥有550多种不同语音选项的文本转语音工具。它可以将文字转换为逼真的机器语音，并提供人类声音的最接近的机器语音。此外，Voiser还可以将语音文件转换为文字，提供快速且准确的语音转文本服务。Voiser是最佳的文本朗读和语音转换解决方案。

提供语音识别、语音合成等语音AI能力

依图语音开放平台为开发者提供语音识别、语音合成等语音AI能力,包括精准语音转文本、文本转语音合成、声纹识别、语音增强降噪等服务,支持不同场景下的语音交互应用开发。平台提供高效、灵活的语音AI能力接入方式,可轻松将语音技术应用于各类产品与业务场景。

真实文本转语音的AI语音生成平台

PlayHT AI语音生成器是一款能够使用人工智能技术将文本转化为自然、逼真的人类语音表演的工具。无论是哪种语言和口音，我们的语音AI都能瞬间将文本转化为自然流畅的语音。

一个开源文本转语音系统，致力于实现人类语音的自然化。

Orpheus TTS 是一个基于 Llama-3b 模型的开源文本转语音系统，旨在提供更加自然的人类语音合成。它具备较强的语音克隆能力和情感表达能力，适合各种实时应用场景。该产品是免费的，旨在为开发者和研究者提供便捷的语音合成工具。

300+语音，78种语言，文本转语音

Speechki ChatGPT插件是一款支持78种语言和方言，提供300多种逼真声音选择的ChatGPT认可的文本转语音插件。将您的文本转换为高质量的音频内容，体验文本转语音的简便使用方式。立即体验Speechki，发现内容创作的未来！

使用低延迟语音识别和合成模型与 AI 对话。

Unmute 是一款创新的语音识别与合成工具，旨在使用户能够通过自然语言与 AI 进行高效的互动。其低延迟技术确保用户体验流畅，适合需要实时反馈的场景。该产品将以开源形式发布，推动更多开发者和用户的参与。当前尚未公布价格，预计将采取免费和付费相结合的模式。

开源的高质量文本转语音模型，支持情感控制。

Chatterbox 是 Resemble AI 推出的第一个开源生产级文本转语音 (TTS) 模型，具有卓越的性能和稳定性。它经过与顶尖闭源系统的比较，展现出更优的效果。该模型的独特之处在于它支持情感夸张控制，适用于制作视频、游戏、AI 代理等多种场景。Chatterbox 的价格竞争力强，同时提供超低延迟，适合生产使用。

强化 ChatGPT，加入语音控制和文本转语音功能

ChatGPT Voice Assistant是一款增强版的ChatGPT插件，集成了语音控制和文本转语音功能。该插件允许您通过录音按钮捕捉和发送语音查询给ChatGPT，省去了打字的必要性。AI的回答会通过语音播放，确保无缝的听觉交互。这样，您可以轻松地与智能对话伙伴互动，并探索先进AI的能力。 特点： - 捕捉语音输入并发送给ChatGPT - 回答会通过语音播放（如果您喜欢阅读，可以关闭语音播放） - 支持多种语言 - 通过点击麦克风按钮或按住空格键来捕捉语音 - 重复播放语音回答 ChatGPT Voice Assistant使用浏览器的本地语音识别功能。请确保在提示时授予麦克风权限。

领先的免费文本转语音应用

Speechify是一款拥有数百万次下载的领先文本转语音应用。它能将任何你阅读的文档、文章、PDF、电子邮件等转化为声音，让你可以在任何设备上听到互联网的声音。Speechify提供免费试用。

让应用能够通过语音转文本和文本转语音等功能聆听、理解甚至与客户交谈

Azure AI Speech Studio是一个语音服务平台，提供语音转文本、文本转语音等功能。它可以帮助应用实现语音聆听、理解和交流的能力。Speech Studio提供了多种语音功能，包括语音转文本、实时语音转文本、批处理语音转文本、自定义语音识别、语音翻译、文本转语音等。用户可以根据自己的需求选择合适的功能，并通过示例代码快速上手。Speech Studio还提供了学习资源，包括文档、快速入门指南、Microsoft 问答和Microsoft Learn等。

Orate 是一个专注于语音的 AI 工具包，支持文本转语音、语音转文本等功能。

Orate 是一个强大的 AI 语音工具包，能够将文本转换为逼真的语音，也可以将语音转换为文本，支持多种主流 AI 服务提供商。其主要优点是提供了一个统一的 API 接口，方便开发者快速集成和使用。该工具包适用于需要语音交互功能的应用开发，例如智能语音助手、语音播报系统等。其价格和具体定位尚未明确，但从其功能和社区反馈来看，具有较高的实用性和开发价值。

拥有超20000种角色语音的文本转语音平台，免费且高质量。

cvoice.ai是全球最大的带角色语音的文本转语音平台。它拥有超过20263种来自动漫、游戏、电影、名人等的角色语音，能将任意文本转化为专业品质的音频。其重要性在于为众多领域提供了丰富、逼真的语音资源。主要优点包括语音数量多、质量高、支持多语言，且完全免费。该平台定位为满足内容创作者、播客主播、游戏开发者、教育工作者等人群对逼真语音的需求。

真实的文本转语音技术

Crikk是一款价格实惠的强大文本转语音工具，支持56种语言，提供真实的语音合成技术。无论是用于语音播报、有声书还是教育，Crikk都能为用户提供高质量的声音合成。用户可以选择免费试用或者采用月费20美元的专业版，月额度为500,000个字符，拥有6种不同的声音和56种语言。此外，Crikk还将推出移动应用，实现图片或PDF的文字转语音。Monster Incorporation Inc.位于Delaware，United States。

免费的一体化AI语音创作平台，支持文本转语音等功能

Rekam AI是一款一体化的AI语音创作平台，其重要性在于为用户提供了便捷高效的语音处理解决方案。主要优点包括免费使用、具有高质量且逼真的类人AI语音模型，涵盖了文本转语音、语音转文本、语音克隆等多种功能。产品定位是为有语音创作需求的用户提供一站式服务。价格方面，有免费版本，也有Pro版可进行付费升级。

人工智能助手的实时文本转语音

Deepgram Aura 是一个创新的文本转语音模型，提供与真人对话相似的音质，速度和成本比其他语音 AI 解决方案更高效。它适用于构建实时的 AI 助手和代理程序，能够以自然的方式与人类交互。Aura 可独立使用，也可以与 Deepgram 的 Nova-2 语音转文本 API 配合使用，为开发人员提供一个完整的语音 AI 平台，帮助他们构建未来的高吞吐量、实时的 AI 助手。

人级别文本转语音合成模型

StyleTTS 2 是一款文本转语音（TTS）模型，使用大型语音语言模型（SLMs）进行风格扩散和对抗训练，实现了人级别的 TTS 合成。它通过扩散模型将风格建模为潜在随机变量，以生成最适合文本的风格，而无需参考语音。此外，我们使用大型预训练的 SLMs（如 WavLM）作为判别器，并结合我们的创新可微持续时间建模进行端到端训练，从而提高了语音的自然度。StyleTTS 2 在单说话人 LJSpeech 数据集上超越了人类录音，并在多说话人 VCTK 数据集上与之匹配，得到了母语为英语的评审人员的认可。此外，当在 LibriTTS 数据集上进行训练时，我们的模型优于先前公开可用的零样本扩展模型。通过展示风格扩散和对抗训练与大型 SLMs 的潜力，这项工作在单个和多说话人数据集上实现了一个人级别的 TTS 合成。

多语言高质量文本转语音库

MeloTTS是由MyShell.ai开发的多语言文本转语音库，支持英语、西班牙语、法语、中文、日语和韩语。它能够实现实时CPU推理，适用于多种场景，并且对开源社区开放，欢迎贡献。

让应用通过语音与文本的转换实现智能交互。

Azure 认知服务语音是微软推出的一款语音识别与合成服务，支持超过100种语言和方言的语音转文本和文本转语音功能。它通过创建可处理特定术语、背景噪音和重音的自定义语音模型，提高听录的准确度。此外，该服务还支持实时语音转文本、语音翻译、文本转语音等功能，适用于多种商业场景，如字幕生成、通话后听录分析、视频翻译等。

使用自得语音技术，创造属于你的角色

自得语音技术可通过简单的步骤创造出属于你的角色。类似GPT，可生成与真人无异的语音片段，在情感、音色和语速等方面与真人一致。自得语音支持快速定制角色，只需要上传一段语音即可立即生成属于你的语音角色。无需下载软件，可在浏览器上完成语音生成。同时提供API接口，方便开发者集成到自己的产品中。商用用户可享受7x24小时的技术支持。

智能语音旗舰应用，无障碍语言记录与交流。

汉王语音王App是汉王科技基于自研多模态天地大模型，自主研发的智能语音旗舰应用。它集AI语音记录、智能翻译与同声传译于一体，支持AI精准转写、拍录同步、话稿整理、智能总结及不间断实时翻译等功能。依托全栈AI技术，汉王语音王致力于帮助用户跨越语言障碍，提高办公、学习、会议、旅游等场景的效率和便捷性。

创建逼真的文本转语音和旁白视频

Narakeet是一个在线工具，允许用户轻松创建逼真的文本转语音和旁白视频。它提供了多种语言和声音选择，支持多种文件格式上传，并允许用户自定义音量、速度和输出格式。Narakeet的定价模式为一次性支付，无需订阅，适合商业用户和需要大量音频文件的用户。

免费多语言文本转语音工具

ttsMP3是一个免费的多语言文本转语音工具，支持28种以上的语言和口音。用户可以将文本转换为自然流利的语音，并可在线收听或下载为MP3文件。适用于电子学习、演示、YouTube视频以及提高网站的可访问性等场景。

免费在线使用经典的Microsoft SAM文本转语音服务。

Microsoft SAM TTS是一款基于Windows XP声音的文本转语音工具。它的重要性在于保留了经典的Microsoft SAM声音，让用户可以体验到Windows XP时代的怀旧感。

将文本转换为图像或语音的开源AI模型

Text2Multimedia是一款使用开源AI模型将文本转换为图像或语音的工具。该工具提供了文本转图像和文本转语音的功能，用户可以通过描述文本来生成对应的视觉或声音表达。生成的图像和音频质量取决于算法的复杂性和训练数据的数量。这项技术可以用于艺术创作、设计资产以及教育材料的制作，是一种表达创意的强大工具。