过去半年,随着大厂的加入,TTS领域有了本文作者:唐霜,转载请注明出处。【原创内容,转载请注明出处】非常大的变化,在以前的文章中,我曾指出S【原创不易,请尊重版权】本文版权归作者所有,未经授权不得转载。peech是AIGC领域非常重要的一环,未经授权,禁止复制转载。【版权所有】唐霜 www.tangshuang.net它将在众多AIGC领域不可或缺。TTS已【版权所有,侵权必究】【原创内容,转载请注明出处】经从传统的机器合成音,发展到了自然音阶段本文作者:唐霜,转载请注明出处。未经授权,禁止复制转载。,当下的TTS项目,追求合成音的自然流畅【版权所有】唐霜 www.tangshuang.net本文作者:唐霜,转载请注明出处。,口语化、语气、停顿、口头禅、情绪价值等本文作者:唐霜,转载请注明出处。未经授权,禁止复制转载。重要因素。过去一段时间,我调研了GPT-著作权归作者所有,禁止商业用途转载。著作权归作者所有,禁止商业用途转载。SoVITS, ChatTTS, Cos原创内容,盗版必究。原创内容,盗版必究。yVoice, Fish-Speech等【本文首发于唐霜的博客】著作权归作者所有,禁止商业用途转载。项目,同时对国内大厂云上的语音合成服务进【原创内容,转载请注明出处】本文版权归作者所有,未经授权不得转载。行了了解,顺带对国外开放了合成接口的创业【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处:www.tangshuang.net项目进行了试用。本文将详细阐述我所接触到【关注微信公众号:wwwtangshuangnet】【原创不易,请尊重版权】的这些TTS项目,以及对它们在接入后是否本文版权归作者所有,未经授权不得转载。未经授权,禁止复制转载。符合预期做对比评测,以为正在做TTS技术【关注微信公众号:wwwtangshuangnet】【转载请注明来源】选型的朋友提供参考。
原创内容,盗版必究。转载请注明出处:www.tangshuang.net未经授权,禁止复制转载。著作权归作者所有,禁止商业用途转载。TTS技术指标【本文受版权保护】
【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】【原创不易,请尊重版权】【转载请注明来源】在国内有一家叫做ttsmaker的网站,本文作者:唐霜,转载请注明出处。【未经授权禁止转载】提供了非常多且免费的语音合成音色,是我认本文作者:唐霜,转载请注明出处。本文版权归作者所有,未经授权不得转载。为国内目前最为优秀的传统TTS提供方。但原创内容,盗版必究。著作权归作者所有,禁止商业用途转载。可能由于其内部政策的原因,目前已关闭AP转载请注明出处:www.tangshuang.net【原创内容,转载请注明出处】I服务,因此,我们无法将它作为技术备选。【作者:唐霜】【版权所有】唐霜 www.tangshuang.net在此,需要指出,本文要评测的,是可以作为著作权归作者所有,禁止商业用途转载。未经授权,禁止复制转载。开发者可以常规接入,作为自己的TTS后端【作者:唐霜】【本文受版权保护】的技术备选,可以是服务商提供基于acce本文版权归作者所有,未经授权不得转载。【本文受版权保护】ss_token的API,可以是类似云服原创内容,盗版必究。【版权所有】唐霜 www.tangshuang.net务商提供的客户端SDK,也可以是开放源码【本文首发于唐霜的博客】【未经授权禁止转载】自己部署为本地服务的,简而言之,如果产品【本文受版权保护】【本文首发于唐霜的博客】虽好,但作为普通开发者无法接入的(如下文原创内容,盗版必究。【关注微信公众号:wwwtangshuangnet】提到的Seed-TTS),不再本文考虑范本文作者:唐霜,转载请注明出处。转载请注明出处:www.tangshuang.net围内。
著作权归作者所有,禁止商业用途转载。原创内容,盗版必究。本文版权归作者所有,未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】我们进行TTS技术选型,一定是服务于我们【原创不易,请尊重版权】转载请注明出处:www.tangshuang.net的应用场景,而不是纯粹追求指标的全面性。原创内容,盗版必究。转载请注明出处:www.tangshuang.net从开发者角度,我认为我们要从以下指标去评【作者:唐霜】原创内容,盗版必究。估对应的备选是否满足我们的需求:
【作者:唐霜】【作者:唐霜】转载请注明出处:www.tangshuang.net- 接入的便捷性:如果接入很麻烦,意味着后续转载请注明出处:www.tangshuang.net【版权所有】唐霜 www.tangshuang.net的维护、升级都需要付出更多的工作 【转载请注明来源】未经授权,禁止复制转载。转载请注明出处:www.tangshuang.net著作权归作者所有,禁止商业用途转载。
- 效果的出色度:就当下而言,合成语音越接近【本文首发于唐霜的博客】【本文受版权保护】自然说话,效果越好 【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】本文作者:唐霜,转载请注明出处。
- 合成的稳定性:每次输出的效果要具有稳定性【本文首发于唐霜的博客】【转载请注明来源】,声音保持一致,断句、背景电流声、停顿时【版权所有,侵权必究】【关注微信公众号:wwwtangshuangnet】长等都符合预期 【原创不易,请尊重版权】【原创内容,转载请注明出处】【关注微信公众号:wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】
- 成本的低廉性【关注微信公众号:wwwtangshuangnet】 未经授权,禁止复制转载。本文作者:唐霜,转载请注明出处。著作权归作者所有,禁止商业用途转载。
每一个方面,都会有更多的细节指标来支撑,原创内容,盗版必究。【本文受版权保护】我会在最后的对比中,把这些细节指标列出来【版权所有,侵权必究】【版权所有】唐霜 www.tangshuang.net,让读者可以一目了然。
本文版权归作者所有,未经授权不得转载。转载请注明出处:www.tangshuang.net【本文受版权保护】【版权所有】唐霜 www.tangshuang.net音色转载请注明出处:www.tangshuang.net
【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】本文作者:唐霜,转载请注明出处。在所有指标中,音色是最重要的指标。不同的本文版权归作者所有,未经授权不得转载。未经授权,禁止复制转载。模型,在生成效果上,对音色的依赖度都较大【本文受版权保护】【原创不易,请尊重版权】。有的甚至直接靠音色来决定生成语音的语速【版权所有,侵权必究】转载请注明出处:www.tangshuang.net、风格和情感。音色可能成为当下的核心话题本文版权归作者所有,未经授权不得转载。未经授权,禁止复制转载。,虽然从社会学层面,克隆会带来一些伦理问【转载请注明来源】著作权归作者所有,禁止商业用途转载。题,但是从技术角度,想要获得具体的应用效【访问 www.tangshuang.net 获取更多精彩内容】未经授权,禁止复制转载。果,在克隆上下功夫,是目前大部分团队正在【作者:唐霜】【作者:唐霜】努力的方向。
【原创内容,转载请注明出处】原创内容,盗版必究。【版权所有,侵权必究】著作权归作者所有,禁止商业用途转载。从技术控制的角度,除了音色外,我们希望自【转载请注明来源】【作者:唐霜】己控制情感、说话的风格(人物扮演的角色,【原创不易,请尊重版权】【作者:唐霜】例如同一个人,可以扮演家庭主妇、职场女强未经授权,禁止复制转载。转载请注明出处:www.tangshuang.net人、商店老板娘等等)、停顿、口头禅、情感著作权归作者所有,禁止商业用途转载。本文版权归作者所有,未经授权不得转载。强度、音量、语速、语言、音调(低沉或尖叫【未经授权禁止转载】本文版权归作者所有,未经授权不得转载。)等。只有在技术上我们可以完全独立控制这【本文受版权保护】【版权所有】唐霜 www.tangshuang.net些参数,我们才能在具体的场景中获得更好的【本文首发于唐霜的博客】原创内容,盗版必究。体验。例如在朗读小说时,不仅要为角色分配【未经授权禁止转载】【作者:唐霜】音色,而且还要在不同的故事情节中,对角色【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net说的话进行情感、风格等的适配。当然,如果【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】这些参数我们完全可控,可以借助大模型来生未经授权,禁止复制转载。本文作者:唐霜,转载请注明出处。成朗读脚本。
【访问 www.tangshuang.net 获取更多精彩内容】【作者:唐霜】【本文首发于唐霜的博客】TTS技术备选介绍【访问 www.tangshuang.net 获取更多精彩内容】
著作权归作者所有,禁止商业用途转载。【原创内容,转载请注明出处】本文版权归作者所有,未经授权不得转载。【作者:唐霜】虽然本文试图收集更多技术备选方案,但过多【版权所有,侵权必究】【本文首发于唐霜的博客】的选项反而可能带来困扰,因此,我只列出相【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】对知名的一些技术选项。
本文版权归作者所有,未经授权不得转载。【本文受版权保护】未经授权,禁止复制转载。【转载请注明来源】未经授权,禁止复制转载。开源TTS项目【作者:唐霜】
【版权所有,侵权必究】本文作者:唐霜,转载请注明出处。【原创不易,请尊重版权】OpenVoice本文作者:唐霜,转载请注明出处。
本文作者:唐霜,转载请注明出处。【本文首发于唐霜的博客】转载请注明出处:www.tangshuang.net【原创内容,转载请注明出处】可以说,OpenVoice开创了准确克隆【访问 www.tangshuang.net 获取更多精彩内容】【原创不易,请尊重版权】人声的时代,它给技术界带来了新的思路。不【关注微信公众号:wwwtangshuangnet】【版权所有,侵权必究】过目前来看,OpenVoice的TTS效【版权所有,侵权必究】【关注微信公众号:wwwtangshuangnet】果已经远远落后于后起之秀。尽管如此,它依【版权所有】唐霜 www.tangshuang.net【原创不易,请尊重版权】然是伟大的开源项目。目前出现了了Chat转载请注明出处:www.tangshuang.net【原创不易,请尊重版权】TTS+OpenVoice的组合,Cha原创内容,盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】tTTS效果出色,但是克隆很逊,因此有这未经授权,禁止复制转载。本文版权归作者所有,未经授权不得转载。样的巧妙组合。
【版权所有,侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有,未经授权不得转载。【转载请注明来源】GPT-SoVITS本文版权归作者所有,未经授权不得转载。
转载请注明出处:www.tangshuang.net【未经授权禁止转载】转载请注明出处:www.tangshuang.net【未经授权禁止转载】未经授权,禁止复制转载。知名的声音克隆项目,转载请注明出处:www.tangshuang.netGPT-SoVITS原创内容,盗版必究。可以克隆出音色与原声极为接近的种子,而且【本文受版权保护】【未经授权禁止转载】所需的声音长度很短,克隆速度快,推理速度【本文受版权保护】转载请注明出处:www.tangshuang.net也快,支持中英语言。不过,虽然GPT-S【本文首发于唐霜的博客】【本文首发于唐霜的博客】oVITS在克隆上能够让输出的声音与原声未经授权,禁止复制转载。原创内容,盗版必究。更像,但是在推理时的自然度不够,能够比较【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net容易听出是AI的合成声。
未经授权,禁止复制转载。【原创内容,转载请注明出处】转载请注明出处:www.tangshuang.net著作权归作者所有,禁止商业用途转载。近期,GPT-SoVITS发布了2.0版【作者:唐霜】【版权所有,侵权必究】本,在1.0的基础上做了多项提升。但是据【本文首发于唐霜的博客】【未经授权禁止转载】社区小伙伴反馈,2.0之后,克隆的声音反转载请注明出处:www.tangshuang.net原创内容,盗版必究。而更不像原声了,但是稳定性获得了更好的保【原创内容,转载请注明出处】原创内容,盗版必究。证。从某种角度讲,我们不应该追求与原声的【本文受版权保护】未经授权,禁止复制转载。相似,而应该追求稳定性。
【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有,未经授权不得转载。【转载请注明来源】转载请注明出处:www.tangshuang.netFish-Speech【访问 www.tangshuang.net 获取更多精彩内容】
【转载请注明来源】【原创不易,请尊重版权】转载请注明出处:www.tangshuang.net相对冷门的TTS开源项目,【转载请注明来源】Fish-Speech【作者:唐霜】附属于大项目Fish Audio,Fis【转载请注明来源】著作权归作者所有,禁止商业用途转载。h Audio团队部分成员来自GPT-S【版权所有】唐霜 www.tangshuang.net原创内容,盗版必究。oVITS,技术上具有一脉相承的意味。
【本文受版权保护】【原创内容,转载请注明出处】【未经授权禁止转载】我在测试时,在其space demo中获未经授权,禁止复制转载。本文版权归作者所有,未经授权不得转载。得的克隆效果不佳,但在其官网克隆则可以获【原创内容,转载请注明出处】【原创不易,请尊重版权】得声音更相似的效果。
未经授权,禁止复制转载。【未经授权禁止转载】未经授权,禁止复制转载。MeloTTS【本文受版权保护】
本文版权归作者所有,未经授权不得转载。本文作者:唐霜,转载请注明出处。【作者:唐霜】MeloTTS著作权归作者所有,禁止商业用途转载。 是一个由 MyShell AI 开发的【版权所有】唐霜 www.tangshuang.net本文版权归作者所有,未经授权不得转载。开源、高质量、多语言的文本转语音项目,可【转载请注明来源】本文版权归作者所有,未经授权不得转载。以将文本转换成自然流畅的语音输出,并支持转载请注明出处:www.tangshuang.net【版权所有】唐霜 www.tangshuang.net英语、西班牙语、法语、中文、日语和韩语等未经授权,禁止复制转载。【原创内容,转载请注明出处】多种语言。MeloTTS 特别支持 CP【版权所有】唐霜 www.tangshuang.net著作权归作者所有,禁止商业用途转载。U 环境下的实时语音合成,无需依赖 GP【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.netU。
原创内容,盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net从体验来讲,MeloTTS 的合成语音只原创内容,盗版必究。【本文首发于唐霜的博客】有轻微的机器感,这在开源项目中算是非常优【访问 www.tangshuang.net 获取更多精彩内容】【原创内容,转载请注明出处】秀。并且文本中的中文、英文和数字都几乎能【本文受版权保护】【版权所有】唐霜 www.tangshuang.net准确地识别与合成,要说缺点的话就是没有太【版权所有,侵权必究】著作权归作者所有,禁止商业用途转载。多的 voice speaker 选项,本文版权归作者所有,未经授权不得转载。未经授权,禁止复制转载。中文目前只找到了一个女声和一个男声。
【作者:唐霜】【本文首发于唐霜的博客】著作权归作者所有,禁止商业用途转载。著作权归作者所有,禁止商业用途转载。另外值得一提的是,OpenVoice也是【转载请注明来源】【原创不易,请尊重版权】MyShell AI的项目。
著作权归作者所有,禁止商业用途转载。转载请注明出处:www.tangshuang.net【作者:唐霜】著作权归作者所有,禁止商业用途转载。ChatTTS【版权所有,侵权必究】
【原创内容,转载请注明出处】【关注微信公众号:wwwtangshuangnet】【原创不易,请尊重版权】【本文受版权保护】【本文受版权保护】ChatTTS【作者:唐霜】 也是一个开源的文本转语音项目,支持中文本文版权归作者所有,未经授权不得转载。本文版权归作者所有,未经授权不得转载。和英文。目前来说,是开源社区最活跃的TT【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】S项目,社区出现的ChatTTS For本文版权归作者所有,未经授权不得转载。转载请注明出处:www.tangshuang.netge项目在原项目等基础上做了很大的提升。【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】其生成的效果非常接近真实人生。
转载请注明出处:www.tangshuang.net著作权归作者所有,禁止商业用途转载。著作权归作者所有,禁止商业用途转载。不过,其团队出于安全和商业的考虑,开源版【本文受版权保护】【版权所有】唐霜 www.tangshuang.net本的模型参数较小,且官方特意加入了噪声。
【原创不易,请尊重版权】【原创内容,转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】CosyVoice未经授权,禁止复制转载。
【版权所有】唐霜 www.tangshuang.net原创内容,盗版必究。转载请注明出处:www.tangshuang.net转载请注明出处:www.tangshuang.net未经授权,禁止复制转载。CosyVoice【未经授权禁止转载】是阿里发布的开源模型,附属于大项目Fun本文版权归作者所有,未经授权不得转载。转载请注明出处:www.tangshuang.netAudioLLM。从官方的demo来看,本文作者:唐霜,转载请注明出处。【未经授权禁止转载】其效果非常接近人声,其效果与ChatTT本文作者:唐霜,转载请注明出处。【版权所有,侵权必究】S类似,具有情感和口气。同时,其克隆效果未经授权,禁止复制转载。【未经授权禁止转载】也非常出色,是目前来说,国内最完整最优秀【关注微信公众号:wwwtangshuangnet】未经授权,禁止复制转载。的TTS开源项目。
原创内容,盗版必究。未经授权,禁止复制转载。【版权所有】唐霜 www.tangshuang.net同时,阿里云上也提供了CosyVoice转载请注明出处:www.tangshuang.net未经授权,禁止复制转载。的服务,因此,下方就不单独提阿里云服务部著作权归作者所有,禁止商业用途转载。【转载请注明来源】分。
【未经授权禁止转载】转载请注明出处:www.tangshuang.net【转载请注明来源】【本文首发于唐霜的博客】著作权归作者所有,禁止商业用途转载。闭源TTS服务原创内容,盗版必究。
【转载请注明来源】著作权归作者所有,禁止商业用途转载。转载请注明出处:www.tangshuang.net【版权所有】唐霜 www.tangshuang.net本文作者:唐霜,转载请注明出处。微软Azure语音合成【转载请注明来源】
【原创不易,请尊重版权】【关注微信公众号:wwwtangshuangnet】本文版权归作者所有,未经授权不得转载。【版权所有】唐霜 www.tangshuang.net从目前所有云服务公开的情况来看,Azur【转载请注明来源】【关注微信公众号:wwwtangshuangnet】e的语音合成是最优秀最稳定的选择,它提供未经授权,禁止复制转载。转载请注明出处:www.tangshuang.net了非常多的配置选项,可以帮助开发者在不同【本文受版权保护】【转载请注明来源】场景实现自己的效果。而且,网上有很多攻略【转载请注明来源】【未经授权禁止转载】,可以白嫖其免费额度。
【版权所有】唐霜 www.tangshuang.net本文版权归作者所有,未经授权不得转载。原创内容,盗版必究。本文作者:唐霜,转载请注明出处。TTSMaker转载请注明出处:www.tangshuang.net
本文版权归作者所有,未经授权不得转载。【版权所有,侵权必究】【原创不易,请尊重版权】原创内容,盗版必究。【本文受版权保护】TTSMaker可能是基于Azure语音著作权归作者所有,禁止商业用途转载。【未经授权禁止转载】合成服务进行二次开发后的产品,其效果和性【本文受版权保护】【关注微信公众号:wwwtangshuangnet】能非常令人惊艳。它提供了非常多的音色,也著作权归作者所有,禁止商业用途转载。转载请注明出处:www.tangshuang.net提供了长文本TTS,免费额度也足够普通用【转载请注明来源】【版权所有】唐霜 www.tangshuang.net户使用。它分为国内版和海外版,域名即cn【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处:www.tangshuang.net和com的区别,由于某些原因,com域名【本文首发于唐霜的博客】原创内容,盗版必究。不能在国内访问,而由于某些原因,cn站点著作权归作者所有,禁止商业用途转载。著作权归作者所有,禁止商业用途转载。关闭了API服务。
【原创不易,请尊重版权】【版权所有】唐霜 www.tangshuang.net本文版权归作者所有,未经授权不得转载。【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】火山引擎megaTTS原创内容,盗版必究。
本文版权归作者所有,未经授权不得转载。【版权所有】唐霜 www.tangshuang.net【本文受版权保护】【版权所有,侵权必究】原创内容,盗版必究。豆包背后使用了Seed-TTS,但是Se转载请注明出处:www.tangshuang.net【未经授权禁止转载】ed-TTS并没有公开提供服务,字节在火未经授权,禁止复制转载。本文版权归作者所有,未经授权不得转载。山引擎提供了megaTTS,我有真实体验本文版权归作者所有,未经授权不得转载。原创内容,盗版必究。,从克隆的效果来看,非常的优秀,与豆包的【版权所有】唐霜 www.tangshuang.net转载请注明出处:www.tangshuang.net克隆效果有的一比。不过megaTTS的收本文作者:唐霜,转载请注明出处。未经授权,禁止复制转载。费比较贵。
【本文受版权保护】转载请注明出处:www.tangshuang.net本文版权归作者所有,未经授权不得转载。Reecho睿声【版权所有,侵权必究】
原创内容,盗版必究。【本文首发于唐霜的博客】【未经授权禁止转载】【作者:唐霜】【未经授权禁止转载】国内较为专注语音相关的厂商,深圳的一家公著作权归作者所有,禁止商业用途转载。本文版权归作者所有,未经授权不得转载。司,提供了AI语音社区,可以实现合成和克【关注微信公众号:wwwtangshuangnet】转载请注明出处:www.tangshuang.net隆,也开放了API。我自己试了一下克隆,【版权所有,侵权必究】转载请注明出处:www.tangshuang.net效果只能说一般,但是它提供的分角色功能我【本文首发于唐霜的博客】著作权归作者所有,禁止商业用途转载。觉得很有特点。
【版权所有】唐霜 www.tangshuang.net未经授权,禁止复制转载。未经授权,禁止复制转载。其他云语音合成【关注微信公众号:wwwtangshuangnet】
【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】原创内容,盗版必究。【作者:唐霜】原创内容,盗版必究。腾讯云、讯飞开放平台、有道智云都提供了语【未经授权禁止转载】【原创不易,请尊重版权】音合成服务。我没有真正体验它们的效果,但【原创内容,转载请注明出处】【本文受版权保护】是阅读了它们的开发文档,从文档来看,感觉本文版权归作者所有,未经授权不得转载。【版权所有,侵权必究】就不像是给普通开发者提供使用的。
著作权归作者所有,禁止商业用途转载。【作者:唐霜】本文版权归作者所有,未经授权不得转载。【版权所有,侵权必究】著作权归作者所有,禁止商业用途转载。ElevenLabs(仅英文)【访问 www.tangshuang.net 获取更多精彩内容】
本文版权归作者所有,未经授权不得转载。著作权归作者所有,禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】ElevenLabs是国外的一家专注做A本文作者:唐霜,转载请注明出处。【原创不易,请尊重版权】I语音相关的厂商,它的操作台一眼就能看出【原创内容,转载请注明出处】【本文受版权保护】非常典型的国外小而美公司的特点。其TTS本文作者:唐霜,转载请注明出处。本文作者:唐霜,转载请注明出处。效果非常的优秀,但是只支持英文,如果给中【转载请注明来源】【本文受版权保护】文的话,会有非常重的外国人口音(有的情况本文作者:唐霜,转载请注明出处。【原创内容,转载请注明出处】下这竟然是一种特色)。
本文作者:唐霜,转载请注明出处。本文版权归作者所有,未经授权不得转载。本文作者:唐霜,转载请注明出处。本文作者:唐霜,转载请注明出处。未经授权,禁止复制转载。它有开发API,付费为订阅制,总体而言,未经授权,禁止复制转载。转载请注明出处:www.tangshuang.net虽然其功能很优秀,却不适合国内产品场景。
转载请注明出处:www.tangshuang.net【本文受版权保护】本文版权归作者所有,未经授权不得转载。原生TTS功能【关注微信公众号:wwwtangshuangnet】
【版权所有,侵权必究】本文作者:唐霜,转载请注明出处。原创内容,盗版必究。本文版权归作者所有,未经授权不得转载。浏览器自带SpeechSynthesis
【关注微信公众号:wwwtangshuangnet】【转载请注明来源】【版权所有,侵权必究】转载请注明出处:www.tangshuang.net【原创不易,请尊重版权】我们的浏览器自带了【关注微信公众号:wwwtangshuangnet】SpeechSynthesis原创内容,盗版必究。接口,虽然这个接口是实验性的,但是其兼容著作权归作者所有,禁止商业用途转载。【本文首发于唐霜的博客】性还是非常不错的。基于该接口,我们可以直原创内容,盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】接用javascript实现语音播报,特转载请注明出处:www.tangshuang.net【关注微信公众号:wwwtangshuangnet】别是结合一些浏览器自带的分词工具,我们可【转载请注明来源】【本文受版权保护】以让SpeechSynthesis实现L原创内容,盗版必究。转载请注明出处:www.tangshuang.netLM边思考边说话的效果。
【关注微信公众号:wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】著作权归作者所有,禁止商业用途转载。但是它的音色会由浏览器加载对应的声音模型著作权归作者所有,禁止商业用途转载。【本文受版权保护】,而且其生成的声音距离自然的人声还是比较原创内容,盗版必究。【转载请注明来源】远。
本文作者:唐霜,转载请注明出处。【作者:唐霜】著作权归作者所有,禁止商业用途转载。TTS技术选型对比评测著作权归作者所有,禁止商业用途转载。
【关注微信公众号:wwwtangshuangnet】【关注微信公众号:wwwtangshuangnet】【关注微信公众号:wwwtangshuangnet】【转载请注明来源】【作者:唐霜】作为开发者,我们最终要根据当前的业务场景【作者:唐霜】【作者:唐霜】选择一项TTS技术来实现自己的功能。如果【本文首发于唐霜的博客】【作者:唐霜】使用开源项目,则必须自己部署服务,并基于著作权归作者所有,禁止商业用途转载。【原创内容,转载请注明出处】服务开发业务接口,难度最大;基于云服务,【未经授权禁止转载】【作者:唐霜】则不需要自己部署,虽然成本更高,但是稳定【版权所有】唐霜 www.tangshuang.net本文版权归作者所有,未经授权不得转载。性和效果有保障;基于原生TTS或第三方原【本文首发于唐霜的博客】【版权所有,侵权必究】生库,成本低,难度低,但是语音效果不怎么【关注微信公众号:wwwtangshuangnet】本文作者:唐霜,转载请注明出处。好。
【转载请注明来源】本文版权归作者所有,未经授权不得转载。原创内容,盗版必究。原创内容,盗版必究。| OpenVoice【原创不易,请尊重版权】 | GPT-SoVITS【版权所有】唐霜 www.tangshuang.net | Fish-Speech本文版权归作者所有,未经授权不得转载。 | MeloTTS【关注微信公众号:wwwtangshuangnet】 | ChatTTS【版权所有,侵权必究】 | CosyVoice本文作者:唐霜,转载请注明出处。 | 微软Azure语音合成【版权所有,侵权必究】 | TTSMaker【版权所有,侵权必究】 | 火山引擎megaTTS转载请注明出处:www.tangshuang.net | Reecho睿声本文作者:唐霜,转载请注明出处。 | ElevenLabs本文作者:唐霜,转载请注明出处。 | 浏览器SpeechSynthesis【本文受版权保护】 | ||
| 合成效果【版权所有,侵权必究】 | 人声相似性转载请注明出处:www.tangshuang.net | ||||||||||||
| 稳定性【作者:唐霜】 | 一般【转载请注明来源】 | 不错【本文首发于唐霜的博客】 | 不错【未经授权禁止转载】 | 稳定未经授权,禁止复制转载。 | 忽上忽下著作权归作者所有,禁止商业用途转载。 | 很稳定【作者:唐霜】 | 稳到飞起【访问 www.tangshuang.net 获取更多精彩内容】 | 稳到飞起转载请注明出处:www.tangshuang.net | 稳到飞起著作权归作者所有,禁止商业用途转载。 | 还行本文作者:唐霜,转载请注明出处。 | 稳到飞起【访问 www.tangshuang.net 获取更多精彩内容】 | ||
| 长文本【本文受版权保护】 | 差本文版权归作者所有,未经授权不得转载。 | 差原创内容,盗版必究。 | 差【作者:唐霜】 | 差【本文首发于唐霜的博客】 | 差【原创内容,转载请注明出处】 | 差转载请注明出处:www.tangshuang.net | 好【本文受版权保护】 | 很好【原创内容,转载请注明出处】 | 差本文作者:唐霜,转载请注明出处。 | 差,但可以分角色本文版权归作者所有,未经授权不得转载。 | 好的不得了【未经授权禁止转载】 | ||
| 情感、风格本文作者:唐霜,转载请注明出处。 | 几乎没有【访问 www.tangshuang.net 获取更多精彩内容】 | 有一点【原创内容,转载请注明出处】 | 有【转载请注明来源】 | 不错【原创不易,请尊重版权】 | 很不错【转载请注明来源】 | 很不错【作者:唐霜】 | 可选本文作者:唐霜,转载请注明出处。 | 几乎没有转载请注明出处:www.tangshuang.net | 可选【原创不易,请尊重版权】 | 有转载请注明出处:www.tangshuang.net | 无【原创不易,请尊重版权】 | ||
| 中文+英文+数字【本文受版权保护】 | 差【版权所有】唐霜 www.tangshuang.net | 差【本文首发于唐霜的博客】 | 还行未经授权,禁止复制转载。 | 还行【关注微信公众号:wwwtangshuangnet】 | 好著作权归作者所有,禁止商业用途转载。 | 好【作者:唐霜】 | 好【本文受版权保护】 | 数字不行未经授权,禁止复制转载。 | 还行【关注微信公众号:wwwtangshuangnet】 | 差著作权归作者所有,禁止商业用途转载。 | 好本文版权归作者所有,未经授权不得转载。 | ||
| 音色数量【版权所有】唐霜 www.tangshuang.net | 多到不行原创内容,盗版必究。 | 中文只有2个著作权归作者所有,禁止商业用途转载。 | 海量著作权归作者所有,禁止商业用途转载。 | 还行著作权归作者所有,禁止商业用途转载。 | 常用的都有【作者:唐霜】 | 常用的都有【作者:唐霜】 | 竟然还有方言【访问 www.tangshuang.net 获取更多精彩内容】 | 还行【关注微信公众号:wwwtangshuangnet】 | 中文的不多,有粤语和台湾【版权所有,侵权必究】 | ||||
| 口语化【作者:唐霜】 | 没有【转载请注明来源】 | 没有【版权所有,侵权必究】 | 没有转载请注明出处:www.tangshuang.net | 没有【版权所有,侵权必究】 | 棒本文作者:唐霜,转载请注明出处。 | 棒未经授权,禁止复制转载。 | 可选【原创内容,转载请注明出处】 | 没有【转载请注明来源】 | 没有著作权归作者所有,禁止商业用途转载。 | 没有【关注微信公众号:wwwtangshuangnet】 | 没有,机器音重到不行【作者:唐霜】 | ||
| 合成可选项【原创不易,请尊重版权】 | 太少转载请注明出处:www.tangshuang.net | 太少【原创内容,转载请注明出处】 | 很少未经授权,禁止复制转载。 | 很少【版权所有,侵权必究】 | 很少本文作者:唐霜,转载请注明出处。 | 很少【本文受版权保护】 | 很多转载请注明出处:www.tangshuang.net | 多【原创内容,转载请注明出处】 | 一般多【本文受版权保护】 | 太少【本文受版权保护】 | 几乎没有本文版权归作者所有,未经授权不得转载。 | ||
| 克隆【访问 www.tangshuang.net 获取更多精彩内容】 | 音色近似度【关注微信公众号:wwwtangshuangnet】 | 有一定相似性本文作者:唐霜,转载请注明出处。 | 比OpenVoice稍好本文作者:唐霜,转载请注明出处。 | 比OpenVoice好很多著作权归作者所有,禁止商业用途转载。 | 用SenseVoice克隆,效果比Ope【版权所有,侵权必究】【原创内容,转载请注明出处】nVoice好非常多 | 非常接近原声转载请注明出处:www.tangshuang.net | 个人感觉一般【本文首发于唐霜的博客】 | 付费功能没有试未经授权,禁止复制转载。 | |||||
| 语气情感原创内容,盗版必究。 | 可加控制器控制未经授权,禁止复制转载。 | 有一点点,但不多【关注微信公众号:wwwtangshuangnet】 | 有【作者:唐霜】 | 不错【原创内容,转载请注明出处】 | 几乎没有【版权所有,侵权必究】 | 几乎没有著作权归作者所有,禁止商业用途转载。 | –未经授权,禁止复制转载。 | ||||||
| 零样本【关注微信公众号:wwwtangshuangnet】 | 是【本文首发于唐霜的博客】 | 是著作权归作者所有,禁止商业用途转载。 | 是未经授权,禁止复制转载。 | 是【本文首发于唐霜的博客】 | |||||||||
| 源人声要求原创内容,盗版必究。 | 30s著作权归作者所有,禁止商业用途转载。 | 5s【原创不易,请尊重版权】 | 30s原创内容,盗版必究。 | 3-10s本文版权归作者所有,未经授权不得转载。 | |||||||||
| 开发【作者:唐霜】 | 要自己部署未经授权,禁止复制转载。 | 是【作者:唐霜】 | 是【作者:唐霜】 | 是,可使用API服务【本文首发于唐霜的博客】 | 是【未经授权禁止转载】 | 是【本文受版权保护】 | 是,可使用阿里云服务未经授权,禁止复制转载。 | ||||||
| 开发难度【转载请注明来源】 | 难转载请注明出处:www.tangshuang.net | 难原创内容,盗版必究。 | 难【未经授权禁止转载】 | 难【版权所有】唐霜 www.tangshuang.net | 很难【作者:唐霜】 | 一般原创内容,盗版必究。 | 一般【本文首发于唐霜的博客】 | 简单转载请注明出处:www.tangshuang.net | 简单【本文首发于唐霜的博客】 | 简单本文版权归作者所有,未经授权不得转载。 | 简单未经授权,禁止复制转载。 | 简单本文版权归作者所有,未经授权不得转载。 | |
| 自由度原创内容,盗版必究。 | 高【版权所有】唐霜 www.tangshuang.net | 高未经授权,禁止复制转载。 | 高【版权所有,侵权必究】 | 高【关注微信公众号:wwwtangshuangnet】 | 高【关注微信公众号:wwwtangshuangnet】 | 中【作者:唐霜】 | 高【本文受版权保护】 | 低【版权所有,侵权必究】 | 低【原创内容,转载请注明出处】 | 一般【作者:唐霜】 | 极高【版权所有,侵权必究】 | ||
| 其他【版权所有,侵权必究】 | 项目地址【访问 www.tangshuang.net 获取更多精彩内容】 | https://github.com/m【原创内容,转载请注明出处】未经授权,禁止复制转载。yshell-ai/OpenVoice | https://github.com/R原创内容,盗版必究。【原创不易,请尊重版权】VC-Boss/GPT-SoVITS | https://github.com/f本文版权归作者所有,未经授权不得转载。【原创不易,请尊重版权】ishaudio/fish-speech | https://github.com/m本文版权归作者所有,未经授权不得转载。【原创不易,请尊重版权】yshell-ai/MeloTTS | https://github.com/2【本文首发于唐霜的博客】【关注微信公众号:wwwtangshuangnet】noise/ChatTTS | https://github.com/F【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有,未经授权不得转载。unAudioLLM/CosyVoice | ||||||
| 服务【原创内容,转载请注明出处】 | https://fish.audio/z【作者:唐霜】本文版权归作者所有,未经授权不得转载。h-CN/ | https://help.aliyun.转载请注明出处:www.tangshuang.net【本文首发于唐霜的博客】com/zh/isi/developer本文作者:唐霜,转载请注明出处。原创内容,盗版必究。-reference/streaming【作者:唐霜】【版权所有】唐霜 www.tangshuang.net-speech-synthesis-tt【作者:唐霜】【本文受版权保护】s-documentation/ | https://learn.micros未经授权,禁止复制转载。【原创内容,转载请注明出处】oft.com/zh-cn/azure/著作权归作者所有,禁止商业用途转载。【未经授权禁止转载】ai-services/speech-s本文版权归作者所有,未经授权不得转载。转载请注明出处:www.tangshuang.netervice/index-text-to著作权归作者所有,禁止商业用途转载。【原创内容,转载请注明出处】-speech | https://ttsmaker.com转载请注明出处:www.tangshuang.net原创内容,盗版必究。/ | https://www.volcengi原创内容,盗版必究。转载请注明出处:www.tangshuang.netne.com/docs/6561/798本文版权归作者所有,未经授权不得转载。本文作者:唐霜,转载请注明出处。17 | https://www.reecho.c【版权所有】唐霜 www.tangshuang.net【作者:唐霜】n/ | https://elevenlabs.i【本文首发于唐霜的博客】著作权归作者所有,禁止商业用途转载。o/app/speech-synthes【原创不易,请尊重版权】原创内容,盗版必究。is/text-to-speech | https://developer.mo【转载请注明来源】未经授权,禁止复制转载。zilla.org/en-US/docs未经授权,禁止复制转载。【未经授权禁止转载】/Web/API/SpeechSynth原创内容,盗版必究。【未经授权禁止转载】esis | |||||
| 开源协议本文版权归作者所有,未经授权不得转载。 | MIT著作权归作者所有,禁止商业用途转载。 | MIT【关注微信公众号:wwwtangshuangnet】 | CC-BY-NC-SA 4.0 lice原创内容,盗版必究。本文作者:唐霜,转载请注明出处。nse | MIT【原创内容,转载请注明出处】 | AGPL-3.0 license【未经授权禁止转载】 | Apache-2.0 license【版权所有,侵权必究】 | |||||||
| 可商用本文版权归作者所有,未经授权不得转载。 | 可转载请注明出处:www.tangshuang.net | 可【本文首发于唐霜的博客】 | 不可,需授权未经授权,禁止复制转载。 | 可著作权归作者所有,禁止商业用途转载。 | 不可,需购买私有版独立部署【转载请注明来源】 | 可本文作者:唐霜,转载请注明出处。 | 不可,需购买商业版【访问 www.tangshuang.net 获取更多精彩内容】 | 可转载请注明出处:www.tangshuang.net | |||||
| 总结【作者:唐霜】 | 优点未经授权,禁止复制转载。 | 开源免费可商用【本文首发于唐霜的博客】 | 开源免费可商用,稳定著作权归作者所有,禁止商业用途转载。 | 人声相似【版权所有,侵权必究】 | 开源免费可商用,稳定【本文首发于唐霜的博客】 | 口语化很棒【版权所有,侵权必究】 | 效果比chatTTS还ok转载请注明出处:www.tangshuang.net | 无可挑剔【本文首发于唐霜的博客】 | 音色多,长文本著作权归作者所有,禁止商业用途转载。 | 最接近原声【本文受版权保护】 | 国内少有的专注语音厂商【本文受版权保护】 | 功能多,小而美【作者:唐霜】 | 浏览器自带,不要钱,无成本本文版权归作者所有,未经授权不得转载。 |
| 缺点【未经授权禁止转载】 | 效果一般未经授权,禁止复制转载。 | 效果一般本文作者:唐霜,转载请注明出处。 | 小众,不可商用【未经授权禁止转载】 | 音色少著作权归作者所有,禁止商业用途转载。 | 没有克隆,不可商用本文版权归作者所有,未经授权不得转载。 | 性能差,要求高(但可以用云服务)本文版权归作者所有,未经授权不得转载。 | 没有克隆,国内无法调用API原创内容,盗版必究。 | 收费贵【访问 www.tangshuang.net 获取更多精彩内容】 | 效果不好转载请注明出处:www.tangshuang.net | 不支持中文,贵本文版权归作者所有,未经授权不得转载。 | 音色太拉,如果将来可以自己载入音色模型就本文作者:唐霜,转载请注明出处。【关注微信公众号:wwwtangshuangnet】好了 |
就目前来说,我们很难推荐哪一款技术选型是转载请注明出处:www.tangshuang.net转载请注明出处:www.tangshuang.net最合适的。我们可以根据自己的实际需求来进本文版权归作者所有,未经授权不得转载。原创内容,盗版必究。行选择。
原创内容,盗版必究。【版权所有】唐霜 www.tangshuang.net原创内容,盗版必究。【本文首发于唐霜的博客】总结而言:【版权所有,侵权必究】
著作权归作者所有,禁止商业用途转载。原创内容,盗版必究。【关注微信公众号:wwwtangshuangnet】【原创不易,请尊重版权】- 如果是为了长文本读小说,可以选择TTSM著作权归作者所有,禁止商业用途转载。本文版权归作者所有,未经授权不得转载。aker或Azure的AI语音服务 【版权所有】唐霜 www.tangshuang.net原创内容,盗版必究。【关注微信公众号:wwwtangshuangnet】【作者:唐霜】【关注微信公众号:wwwtangshuangnet】
- 如果仅仅是为了能够发出声音进行阅读,为了本文作者:唐霜,转载请注明出处。原创内容,盗版必究。追求实时性,流式阅读,可以选择浏览器Sp【关注微信公众号:wwwtangshuangnet】未经授权,禁止复制转载。eechSynthesis 转载请注明出处:www.tangshuang.net原创内容,盗版必究。转载请注明出处:www.tangshuang.net本文作者:唐霜,转载请注明出处。【原创内容,转载请注明出处】
- 如果追求免费可商用自由度高,就选GPT-【原创内容,转载请注明出处】【版权所有】唐霜 www.tangshuang.netSoVITS,MIT协议可以克隆,效果稳【作者:唐霜】【原创不易,请尊重版权】定,相似度虽然不够,但起码能用 本文版权归作者所有,未经授权不得转载。【原创内容,转载请注明出处】本文版权归作者所有,未经授权不得转载。本文版权归作者所有,未经授权不得转载。
- 如果追求克隆口语化,接近自然人声,就选C【本文受版权保护】【未经授权禁止转载】osyVoice阿里云服务或Azure的【本文受版权保护】【版权所有】唐霜 www.tangshuang.netAI语音服务 【版权所有,侵权必究】【版权所有,侵权必究】本文版权归作者所有,未经授权不得转载。著作权归作者所有,禁止商业用途转载。
- 如果追求克隆音色相似度很高,可以尝试火山【版权所有】唐霜 www.tangshuang.net【关注微信公众号:wwwtangshuangnet】引擎的语音合成服务,贵就贵点 【转载请注明来源】【未经授权禁止转载】【本文受版权保护】
至于chatTTS和Fish-Speec【原创不易,请尊重版权】本文作者:唐霜,转载请注明出处。h,由于其协议问题,不建议采用。
【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net【原创不易,请尊重版权】【版权所有,侵权必究】【未经授权禁止转载】结语著作权归作者所有,禁止商业用途转载。
【版权所有】唐霜 www.tangshuang.net【作者:唐霜】本文版权归作者所有,未经授权不得转载。【作者:唐霜】【原创内容,转载请注明出处】随着AI应用的发展,市面上会出现愈来越多【版权所有,侵权必究】本文版权归作者所有,未经授权不得转载。GPT-4o发布时演示的与智能体实时对话著作权归作者所有,禁止商业用途转载。【作者:唐霜】的应用,这也是迈向机器人时代的重要一步。【未经授权禁止转载】【本文首发于唐霜的博客】然而就目前市面上的TTS产品而言,就目前【未经授权禁止转载】原创内容,盗版必究。来说,都无法做到最好,特别是在口语化上,【版权所有】唐霜 www.tangshuang.net原创内容,盗版必究。无法做到极致的自然交流。当然,这或许也不【版权所有,侵权必究】原创内容,盗版必究。是一件坏事,毕竟我们有的时候还是需要区分【作者:唐霜】原创内容,盗版必究。是自然人声还是机器声,特别是在诈骗横行的原创内容,盗版必究。转载请注明出处:www.tangshuang.net当下。作为产品的开发者,我们在追求极致的【原创不易,请尊重版权】本文版权归作者所有,未经授权不得转载。同时,也应该考虑到安全性,避免由此带来的【本文受版权保护】【原创内容,转载请注明出处】政策风险和将来的法律问题。
【作者:唐霜】未经授权,禁止复制转载。著作权归作者所有,禁止商业用途转载。2024-08-28 35541



有没有比较一下微软的声音克隆功能?
博主你好,最近出了一个F5-TTS,方便测评吗(前面打错了
已经关注了,尽快评测并加到文章末
它有个很蛋疼的问题,由于对齐得不好,会将输入音频中的某些短语插入到合成音频中。。。只能使用一些小trick尽量避免。另外我在测试时发现,会生成的音频有时会胡说八道(听不懂的外星语言),提了issue,作者不是很乐意解答。相对来说我更倾向于CosyVoice,阿里提供了钉钉群,群内有他们的技术可以交流
我现在的主力是cosyvoice和豆包,云上用着
非常好,果断赞一个,送杯咖啡
感谢支持
非常棒的文章。感谢总结。我在用cosyvoice 自己搭建了实时推理服务,用在自己的产品中。目前来看,cosyvoice是最均衡的。没深入去看,不知道他的训练 部分是不是也开源了好像是。
学习下测评结果