AI 模型广场

Qwen3 TTS GGUF 是基于通义千问最新语音生成能力并经过 GGUF 量化的版本。它将原本沉重的语音模型轻量化，使得开发者能够在消费级硬件（如个人 PC 或 Mac）上高效部署高质量的文本转语音服务。该模型在自然度与语调起伏上表现出...

VieNeu TTS v3 Turbo 是一款主打高效能的文本转语音模型，旨在提供更自然、流畅的语音合成体验。相比于传统的 TTS 工具，它在推理速度和音质平衡上做了优化，能够快速生成具有情感起伏的语音，有效减少了机械感。对于开发者而言，该...

Qwen3 TTS 12Hz 1.7B VoiceDesign 是阿里通义千问团队推出的一款轻量化语音合成模型。它打破了传统 TTS 机械感强的局限，重点优化了音色的自然度与情感表达。1.7B 的参数规模在保证高质量输出的同时，极大降低了端...

VoxCPM2 是由 OpenBMB 推出的开源文本转语音（TTS）模型，旨在提供更自然、更具情感表现力的语音合成体验。不同于传统的机械合成音，它在语调起伏和自然度上做了深度优化，能够较好地还原人类说话的节奏感。对于开发者而言，该模型采用 ...

Qwen3 TTS 12Hz 1.7B CustomVoice 是一款由阿里 Qwen 团队推出的轻量级语音合成模型。它主打高自然度和个性化定制，通过 1.7B 的参数规模在端侧推理性能与音质之间取得了良好平衡。对于开发者而言，该模型最核心...

Qwen3 TTS 12Hz 0.6B Base 是阿里通义千问团队推出的轻量级语音合成基座模型。不同于传统的 TTS 插件，它采用了更现代的端到端架构，在极小的参数量（0.6B）下实现了较高的语音自然度。该模型主打低延迟和高效能，非常适合...

Qwen3 TTS 12Hz 0.6B 是一款由通义千问团队推出的轻量级语音合成模型。它主打极低的任务延迟和高效的推理速度，0.6B 的小参数量使其能够轻松部署在端侧设备或低配服务器上。该模型支持自定义声音（CustomVoice），能够通...

VibeVoice Realtime 0.5B 是微软推出的一款轻量级实时语音合成模型。不同于传统的 TTS，它专注于极低延迟的音频生成，能够实现接近人类自然语调的实时交互。由于参数量仅为 0.5B，该模型对硬件要求极低，非常适合开发者部署...

Kokoro 82M 是一款极具性价比的轻量级文本转语音 (TTS) 模型。它最核心的竞争力在于用极小的参数量（仅 82M）实现了媲美大型模型的自然语音合成效果，有效解决了端侧部署时显存占用高和推理延迟大的痛点。对于开发者而言，它非常适合集...

OmniVoice 是一款由 k2-fsa 推出的开源语音合成（TTS）模型。它主打高保真的声音克隆能力，能够通过极短的音频样本快速捕捉说话人的音色和情感细节，生成的语音自然度较高，有效缓解了传统 TTS 常见的“机器感”。对于开发者而言，...

Chatterbox 是由 ResembleAI 推出的轻量级开源文本转语音 (TTS) 工具。与追求极致拟人但计算量巨大的商业模型不同，它在保持自然语调的同时，极大地降低了部署门槛。对于开发者而言，它非常适合集成到需要实时语音反馈的轻量级...

Kokoro 82M 是一款极其轻量级且高效的文本转语音（TTS）模型。虽然参数量仅为 82M，但其音质表现出人意料地自然，远超传统的轻量级合成方案。该版本采用 ONNX 格式，这意味着它脱离了沉重的深度学习框架，可以在 CPU 上实现极速...

Indic Parler TTS 是由 AI4Bharat 推出的一个专注于印度语系的多语言语音合成模型。与传统的 TTS 不同，它采用了类似 Parler-TTS 的可控生成架构，允许用户通过自然语言描述来调整语音的语气、情感和环境音，而...