Bark是由Suno创建的🔊文本提示生成音频模型。Bark可以生成高度逼真的多语言语音以及其他音频 - 包括音乐，背景噪音和简单的音效。该模型还可以产生非语言交流，如笑、叹息和哭泣。Bark已经过测试，可以在CPU和GPU上运行（CUDA 11.7和CUDA 12.0）。pytorch 2.0+，可用于商业用途。
链接：https://github.com/suno-ai/bark
标签：#AI #语音合成
群聊：@appmiu
链接：https://github.com/suno-ai/bark
标签：#AI #语音合成
群聊：@appmiu
❤4
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6❤1🤮1
🗣CosyVoice：突破性的 AI 声音复刻技术，通过极短的参考音频实现超拟人真实声音的复刻
🏷标签：#AI #声音复制 #语音生成
👉链接：https://www.appmiu.com/26171.html
🏷标签：#AI #声音复制 #语音生成
👉链接：https://www.appmiu.com/26171.html
1👍3
FireRedTTS-2 – 面向播客和聊天机器人的AI长对话语音生成
🏷 标签：#TTS #AI #语音生成 #源码
☁ 链接：点击获取
⭐ 频道 😮 群聊 ✏ 投稿 🌍 中文
亮点🔥
长对话语音生成：目前支持 4 位说话者的 3 分钟对话，并且可以通过扩展训练语料库轻松扩展到更多说话者的更长对话。
多语言支持：支持英语、中文、日语、韩语、法语、德语、俄语等多种语言。支持零样本语音克隆，适用于跨语言和代码切换场景。
超低延迟：基于新的12.5Hz 流式语音标记器，我们采用了双变压器架构，该架构在文本语音交错序列上运行，从而实现了灵活的逐句生成并减少了首包延迟。具体而言，在 L20 GPU 上，我们的首包延迟低至 140ms，同时保持高质量的音频输出。
强稳定性：我们的模型在独白和对话测试中都实现了高相似度和低WER/CER。
随机音色生成：用于创建 ASR/语音交互数据。
Please open Telegram to view this post
VIEW IN TELEGRAM
APP喵：精选
FireRedTTS-2 – 面向播客和聊天机器人的AI长对话语音生成
概述 FireRedTTS‑2 是一种用于多说话人对话生成的长格式流式 TTS 系统，可提供稳定、自然的语音，具有可靠的说话人切换和上下文感知的韵律。 长对话语音合成系统，可通过提供文本和可选参考音频生成自然流畅的语音输出，支持长对话场景下的连续发言，确保语气与节奏自然连贯，支持中文、英文、日文、韩文、法文、德文及俄文，具备零样本语音克隆能力，适用于播客、聊天机器人等多发言人场景，免费开源，使用 Python 开发。 亮点🔥 长对话语音生成：目前支持 4 位说话者的 3 分钟对话，并且可以通过扩展训练语…
❤3
MusicFlow · AI 全链路音乐创作平台 AI 全链路音乐创作 SaaS — MiniMax API + FastAPI + React，支持 Agent 工具调用 / 歌词 / 音乐 / 翻唱 / 语音合成 / 声音克隆，带 docker compose 一键部署
➕ 标签：#AI #语音合成 #声音克隆 #源码
🔥 链接：资源直链 / 详细教程（待更）
🌍 频道 😮 群聊 ✏ 投稿
💬 Agent Workspace — 自然语言对话驱动 13 个工具调用（写歌、合成、克隆…），支持 SSE 流式响应、敏感操作用户确认、附件上传
🎵 音乐生成 — MiniMax Music-2.6，自动生成封面
🎤 翻唱 — Music-Cover 换声不换曲
✍️ 歌词生成 — 按主题/风格生成结构化歌词
🔊 语音合成 — Speech-2.8-HD / Turbo，同步接口 + 长文本异步接口
👤 声音克隆 / 声音设计 — 上传样本即可生成私有 voice_id
💰 双积分计费 — 付费积分 + 每日签到免费积分，调用前扣费、失败自动退款
🛡 管理后台 — 用户管理、价格规则热更新、对账流水
📁 生成物库 — 所有音频 / 封面集中归档，支持搜索与下载
Please open Telegram to view this post
VIEW IN TELEGRAM
❤9