Persian Tts Vits

Kokoro是一款擁有8200萬參數的開源文本轉語音（TTS）模型，以其輕量級架構和高音質著稱，同時具備快速和成本效益高的特點。

ⓍTTS是一款革命性的語音生成模型，僅需6秒音頻片段即可實現跨語言音色克隆，支持17種語言。

F5-TTS 是一個基於流匹配的語音合成模型，專注於流暢且忠實的語音合成，特別適用於童話講述等場景。

BigVGAN是基於大規模訓練的通用神經聲碼器，能夠從梅爾頻譜生成高質量音頻波形。

基於LibriTTS數據集微調的SpeechT5語音合成(文本轉語音)模型，支持高質量的文本轉語音轉換。

Dia是由Nari實驗室開發的16億參數文本轉語音模型，能夠直接從文本生成高度逼真的對話，支持情感和語調控制，並能生成非語言交流內容。

CSM是Sesame開發的10億參數規模語音生成模型，可根據文本和音頻輸入生成RVQ音頻編碼

Kokoro 是一個開放權重的小型但功能強大的文本轉語音（TTS）模型系列，新增了來自專業數據集的100名中文說話人數據。

Indic Parler-TTS 是 Parler-TTS Mini 的多語言印度語言擴展版本，支持21種語言，包括多種印度語言和英語。

Bark是由Suno創建的基於Transformer的文本轉音頻模型，能生成高度逼真的多語言語音、音樂、背景噪音和簡單音效。