开源大模型和多模态模型目录：看能力、参数规模、许可证、下载量和来源页，方便对比 Qwen、Llama 等怎么选、怎么部署。PromptCube 模型广场持续收录。
先看清楚，再做选择。每个条目都保留关键上下文。
XTTS v2 是由 Coqui AI 开发的一款高性能跨语言语音克隆模型，核心优势在于其强大的“少样本”克隆能力。开发者只需提供一段短短几秒钟的目标人物音频，模型就能精准捕捉音色、语调甚至情感特征，并将其应用到多种语言的文本转语音任务中。相比于传统的 TTS 工具，它不仅解决了语种切换时的音色漂移问题，在自然度和情感表达上也更接近真人。虽然 1.6B 的参数量对本地部署的显存有一定的要求，但对于追求高拟真度、需要实现多语言角色配音或个性化语音助手的开发者来说，它是目前开源社区中最值得关注的重量级方案之一。
...
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 Apache-2.0 协议，部署门槛较低，非常适合集成到智能助手、有声书制作或游戏 NPC 对话等需要高质量语音输出的场景中，是目前国产开源 TTS 方案中一个极具竞争力的选择。
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，极大降低了端侧部署的门槛，非常适合需要低延迟实时交互的场景。对于开发者而言，它不仅能高效完成文本转语音，更在音色定制化方面表现出色，是构建 AI 助手或虚拟数字人时，替代昂贵商业 API 的一个高性能开源选择。
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，该模型最核心的价值在于其 CustomVoice 能力，能够通过少量样本快速克隆特定音色，非常适合需要定制化 AI 助手、有声书或虚拟数字人的应用场景。相比于传统的 TTS 工具，它在语调起伏和情感表达上更贴近真人，且由于采用了 Apache-2.0 协议，商业集成门槛极低。