Ai音频工具

VoiceCraft是一款新型语音模型，支持克隆语音和修改音频文本。

FunAudioLLM 是阿里巴巴开发的一组语音处理模型，SenseVoice：语音识别模型 。CosyVoice：文本转语音模型，支持多语言并且可以复刻自己的声音。

Parler-TTS 是一种轻量级的文本转语音 (TTS) 模型，可以生成具有给定说话者风格（性别、音调、说话风格等）的高质量、自然的语音。

微软开源文本转语音服务。

开源的文本转语音工具。

FunASR是一个基础语音识别工具包，提供多种功能，包括语音识别（ASR）、语音端点检测（VAD）、标点恢复、语言模型、说话人验证、说话人分离和多人对话语音识别等。FunASR提供了便捷的脚本和教程，支持预训练好的模型的推理与微调。