# 即時語音生成

Qwen2.5-Omni是一款端到端多模態模型，能夠感知包括文本、圖像、音頻和視頻在內的多種模態，同時以流式方式生成文本和自然語音響應。

這是一個基於MLX格式的文本轉語音模型，支持英文和中文，由prince-canuma/Spark-TTS-0.5B轉換而來。

Spark-TTS-0.5B-4-6bit 是一個基於 MLX 格式的文本轉語音模型，支持英文和中文。

該模型是基於MYZY-AI/Muyan-TTS-SFT轉換的GGUF格式文本轉語音模型，支持中文語音合成。

Kokoro是一款擁有8200萬參數的開源文本轉語音模型，以輕量架構提供媲美大型模型的音質，同時顯著提升速度和成本效益。

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。

基於StyleTTS2-LJSpeech的克隆版本，針對英語文本轉語音任務進行了優化，移除了部分依賴項以簡化部署。

該模型是從HKUST-Audio/Llasa-1B轉換而來的GGUF格式模型，主要用於文本轉語音任務。

OuteTTS-0.3-1B是由OuteAI開發的多語言文本轉語音模型，支持英語、中文、日語、韓語、法語和德語。

OuteTTS-0.3-1B 是一個支持多語言的文本轉語音模型，由 OuteAI 開發，Second State Inc. 進行了量化處理。

OuteTTS-0.3-500M 是一個多語言文本轉語音模型，支持英語、中文、日語、韓語、法語和德語。

OuteTTS-0.2-500M 是由 OuteAI 開發的多語言文本轉語音模型，支持英語、中文、日語和韓語。

OuteTTS-0.2-500M 是一個多語言文本轉語音模型，支持英語、中文、日語和韓語。

Fish Speech 1.5 是一個多語言文本轉語音模型，支持多種語言，無需訪問令牌即可使用。

基於microsoft/speecht5_tts微調的印地語文本轉語音模型

ⓍTTS是一款語音生成模型，僅需6秒的音頻片段即可克隆聲音並應用於不同語言。無需耗費數小時的大量訓練數據。

這是一個撣語（Shan）的文本轉語音（TTS）模型，用於將撣語文本轉換為自然語音。

基於SpeechT5架構的加泰羅尼亞語文本轉語音模型，在Common Voice 11.0數據集上微調

HiFiGAN是一種生成對抗網絡(GAN)模型，能夠從梅爾頻譜圖生成高質量音頻，適用於文本轉語音系統。

基於LJ Speech數據集訓練的HiFi-GAN聲碼器模型，用於高質量語音合成