2024年TTS技术选型对比评测

广告位招租
扫码页面底部二维码联系

过去半年,随着大厂的加入,TTS领域有了转载请注明出处:www.tangshuang.net转载请注明出处:www.tangshuang.net非常大的变化,在以前的文章中,我曾指出S【未经授权禁止转载】【原创不易,请尊重版权】peech是AIGC领域非常重要的一环,转载请注明出处:www.tangshuang.net本文作者:唐霜,转载请注明出处。它将在众多AIGC领域不可或缺。TTS已本文版权归作者所有,未经授权不得转载。【关注微信公众号:wwwtangshuangnet】经从传统的机器合成音,发展到了自然音阶段转载请注明出处:www.tangshuang.net【关注微信公众号:wwwtangshuangnet】,当下的TTS项目,追求合成音的自然流畅原创内容,盗版必究。【原创内容,转载请注明出处】,口语化、语气、停顿、口头禅、情绪价值等【转载请注明来源】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-【版权所有,侵权必究】【原创不易,请尊重版权】SoVITS, ChatTTS, Cos【原创内容,转载请注明出处】【转载请注明来源】yVoice, Fish-Speech等【关注微信公众号:wwwtangshuangnet】【关注微信公众号:wwwtangshuangnet】项目,同时对国内大厂云上的语音合成服务进著作权归作者所有,禁止商业用途转载。著作权归作者所有,禁止商业用途转载。行了了解,顺带对国外开放了合成接口的创业未经授权,禁止复制转载。本文作者:唐霜,转载请注明出处。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】【版权所有】唐霜 www.tangshuang.net的这些TTS项目,以及对它们在接入后是否本文作者:唐霜,转载请注明出处。【本文受版权保护】符合预期做对比评测,以为正在做TTS技术【版权所有】唐霜 www.tangshuang.net本文作者:唐霜,转载请注明出处。选型的朋友提供参考。

【作者:唐霜】【未经授权禁止转载】本文作者:唐霜,转载请注明出处。【转载请注明来源】

TTS技术指标【关注微信公众号:wwwtangshuangnet】

【原创不易,请尊重版权】【未经授权禁止转载】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。未经授权,禁止复制转载。

在国内有一家叫做ttsmaker的网站,【本文首发于唐霜的博客】【转载请注明来源】提供了非常多且免费的语音合成音色,是我认【关注微信公众号:wwwtangshuangnet】【版权所有,侵权必究】为国内目前最为优秀的传统TTS提供方。但转载请注明出处:www.tangshuang.net【本文首发于唐霜的博客】可能由于其内部政策的原因,目前已关闭AP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。I服务,因此,我们无法将它作为技术备选。【访问 www.tangshuang.net 获取更多精彩内容】原创内容,盗版必究。在此,需要指出,本文要评测的,是可以作为未经授权,禁止复制转载。【原创内容,转载请注明出处】开发者可以常规接入,作为自己的TTS后端本文作者:唐霜,转载请注明出处。【本文受版权保护】的技术备选,可以是服务商提供基于acce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。ss_token的API,可以是类似云服原创内容,盗版必究。原创内容,盗版必究。务商提供的客户端SDK,也可以是开放源码原创内容,盗版必究。【转载请注明来源】自己部署为本地服务的,简而言之,如果产品【版权所有,侵权必究】本文作者:唐霜,转载请注明出处。虽好,但作为普通开发者无法接入的(如下文【本文受版权保护】【原创不易,请尊重版权】提到的Seed-TTS),不再本文考虑范原创内容,盗版必究。【转载请注明来源】围内。

【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。转载请注明出处:www.tangshuang.net未经授权,禁止复制转载。

我们进行TTS技术选型,一定是服务于我们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。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。未经授权,禁止复制转载。从开发者角度,我认为我们要从以下指标去评未经授权,禁止复制转载。转载请注明出处:www.tangshuang.net估对应的备选是否满足我们的需求:

【本文受版权保护】未经授权,禁止复制转载。本文作者:唐霜,转载请注明出处。
  • 接入的便捷性:如果接入很麻烦,意味着后续著作权归作者所有,禁止商业用途转载。【本文受版权保护】的维护、升级都需要付出更多的工作
  • 【本文首发于唐霜的博客】【作者:唐霜】【原创不易,请尊重版权】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【版权所有,侵权必究】【原创内容,转载请注明出处】自然说话,效果越好
  • 【版权所有】唐霜 www.tangshuang.net转载请注明出处:www.tangshuang.net【原创不易,请尊重版权】未经授权,禁止复制转载。
  • 合成的稳定性:每次输出的效果要具有稳定性【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net,声音保持一致,断句、背景电流声、停顿时【原创内容,转载请注明出处】【原创不易,请尊重版权】长等都符合预期
  • 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。【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】
  • 成本的低廉性著作权归作者所有,禁止商业用途转载。
  • 【原创内容,转载请注明出处】本文作者:唐霜,转载请注明出处。【原创不易,请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】

每一个方面,都会有更多的细节指标来支撑,【未经授权禁止转载】【版权所有,侵权必究】我会在最后的对比中,把这些细节指标列出来【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】,让读者可以一目了然。

【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。未经授权,禁止复制转载。

音色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【访问 www.tangshuang.net 获取更多精彩内容】原创内容,盗版必究。【本文受版权保护】

在所有指标中,音色是最重要的指标。不同的著作权归作者所有,禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】模型,在生成效果上,对音色的依赖度都较大未经授权,禁止复制转载。本文作者:唐霜,转载请注明出处。。有的甚至直接靠音色来决定生成语音的语速【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】、风格和情感。音色可能成为当下的核心话题【本文首发于唐霜的博客】本文版权归作者所有,未经授权不得转载。,虽然从社会学层面,克隆会带来一些伦理问【版权所有】唐霜 www.tangshuang.net未经授权,禁止复制转载。题,但是从技术角度,想要获得具体的应用效【原创内容,转载请注明出处】【未经授权禁止转载】果,在克隆上下功夫,是目前大部分团队正在转载请注明出处:www.tangshuang.net本文作者:唐霜,转载请注明出处。努力的方向。

【本文受版权保护】【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net

从技术控制的角度,除了音色外,我们希望自转载请注明出处:www.tangshuang.net本文作者:唐霜,转载请注明出处。己控制情感、说话的风格(人物扮演的角色,原创内容,盗版必究。【本文受版权保护】例如同一个人,可以扮演家庭主妇、职场女强【原创不易,请尊重版权】著作权归作者所有,禁止商业用途转载。人、商店老板娘等等)、停顿、口头禅、情感未经授权,禁止复制转载。【版权所有】唐霜 www.tangshuang.net强度、音量、语速、语言、音调(低沉或尖叫未经授权,禁止复制转载。原创内容,盗版必究。)等。只有在技术上我们可以完全独立控制这【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】些参数,我们才能在具体的场景中获得更好的【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。体验。例如在朗读小说时,不仅要为角色分配【本文受版权保护】【原创内容,转载请注明出处】音色,而且还要在不同的故事情节中,对角色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。说的话进行情感、风格等的适配。当然,如果【原创内容,转载请注明出处】【版权所有,侵权必究】这些参数我们完全可控,可以借助大模型来生【作者:唐霜】【作者:唐霜】成朗读脚本。

【原创内容,转载请注明出处】【本文受版权保护】【原创内容,转载请注明出处】【原创不易,请尊重版权】【版权所有】唐霜 www.tangshuang.net

TTS技术备选介绍【作者:唐霜】

【原创内容,转载请注明出处】未经授权,禁止复制转载。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。原创内容,盗版必究。

虽然本文试图收集更多技术备选方案,但过多本文作者:唐霜,转载请注明出处。【原创内容,转载请注明出处】的选项反而可能带来困扰,因此,我只列出相【版权所有】唐霜 www.tangshuang.net转载请注明出处:www.tangshuang.net对知名的一些技术选项。

【关注微信公众号:wwwtangshuangnet】本文作者:唐霜,转载请注明出处。【转载请注明来源】

开源TTS项目【本文首发于唐霜的博客】

【版权所有】唐霜 www.tangshuang.net本文作者:唐霜,转载请注明出处。【本文受版权保护】【本文首发于唐霜的博客】

OpenVoice本文作者:唐霜,转载请注明出处。

转载请注明出处:www.tangshuang.net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。本文版权归作者所有,未经授权不得转载。

可以说,OpenVoice开创了准确克隆著作权归作者所有,禁止商业用途转载。【转载请注明来源】人声的时代,它给技术界带来了新的思路。不【作者:唐霜】本文版权归作者所有,未经授权不得转载。过目前来看,OpenVoice的TTS效本文作者:唐霜,转载请注明出处。【作者:唐霜】果已经远远落后于后起之秀。尽管如此,它依【本文受版权保护】转载请注明出处:www.tangshuang.net然是伟大的开源项目。目前出现了了Chat【未经授权禁止转载】【转载请注明来源】TTS+OpenVoice的组合,Cha【原创内容,转载请注明出处】【本文受版权保护】tTTS效果出色,但是克隆很逊,因此有这著作权归作者所有,禁止商业用途转载。【本文首发于唐霜的博客】样的巧妙组合。

【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。【原创不易,请尊重版权】

GPT-SoVITS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。本文作者:唐霜,转载请注明出处。【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。

知名的声音克隆项目,【原创内容,转载请注明出处】GPT-SoVITS本文作者:唐霜,转载请注明出处。可以克隆出音色与原声极为接近的种子,而且【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号:wwwtangshuangnet】所需的声音长度很短,克隆速度快,推理速度原创内容,盗版必究。【转载请注明来源】也快,支持中英语言。不过,虽然GPT-S原创内容,盗版必究。本文作者:唐霜,转载请注明出处。oVITS在克隆上能够让输出的声音与原声【本文首发于唐霜的博客】未经授权,禁止复制转载。更像,但是在推理时的自然度不够,能够比较【版权所有】唐霜 www.tangshuang.net【关注微信公众号:wwwtangshuangnet】容易听出是AI的合成声。

本文作者:唐霜,转载请注明出处。【未经授权禁止转载】未经授权,禁止复制转载。

近期,GPT-SoVITS发布了2.0版【关注微信公众号:wwwtangshuangnet】【关注微信公众号:wwwtangshuangnet】本,在1.0的基础上做了多项提升。但是据未经授权,禁止复制转载。未经授权,禁止复制转载。社区小伙伴反馈,2.0之后,克隆的声音反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而更不像原声了,但是稳定性获得了更好的保【作者:唐霜】本文作者:唐霜,转载请注明出处。证。从某种角度讲,我们不应该追求与原声的本文作者:唐霜,转载请注明出处。【关注微信公众号:wwwtangshuangnet】相似,而应该追求稳定性。

转载请注明出处:www.tangshuang.net【本文受版权保护】【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】

Fish-Speech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。转载请注明出处:www.tangshuang.net本文作者:唐霜,转载请注明出处。

相对冷门的TTS开源项目,【作者:唐霜】Fish-Speech【本文受版权保护】附属于大项目Fish Audio,Fis【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】h Audio团队部分成员来自GPT-S转载请注明出处:www.tangshuang.net本文作者:唐霜,转载请注明出处。oVITS,技术上具有一脉相承的意味。

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。未经授权,禁止复制转载。【本文受版权保护】转载请注明出处:www.tangshuang.net

我在测试时,在其space demo中获原创内容,盗版必究。本文版权归作者所有,未经授权不得转载。得的克隆效果不佳,但在其官网克隆则可以获【本文受版权保护】【本文受版权保护】得声音更相似的效果。

【本文首发于唐霜的博客】未经授权,禁止复制转载。【版权所有】唐霜 www.tangshuang.net转载请注明出处:www.tangshuang.net

MeloTTS【本文受版权保护】

原创内容,盗版必究。【作者:唐霜】转载请注明出处:www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】

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【原创内容,转载请注明出处】【关注微信公众号:wwwtangshuangnet】开源、高质量、多语言的文本转语音项目,可著作权归作者所有,禁止商业用途转载。转载请注明出处:www.tangshuang.net以将文本转换成自然流畅的语音输出,并支持【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net英语、西班牙语、法语、中文、日语和韩语等本文作者:唐霜,转载请注明出处。【作者:唐霜】多种语言。MeloTTS 特别支持 CP【本文首发于唐霜的博客】【本文受版权保护】U 环境下的实时语音合成,无需依赖 GP【本文受版权保护】未经授权,禁止复制转载。U。

未经授权,禁止复制转载。【原创不易,请尊重版权】【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。原创内容,盗版必究。

从体验来讲,MeloTTS 的合成语音只【版权所有】唐霜 www.tangshuang.net【原创内容,转载请注明出处】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】本文作者:唐霜,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转载请注明出处:www.tangshuang.net未经授权,禁止复制转载。准确地识别与合成,要说缺点的话就是没有太未经授权,禁止复制转载。【原创不易,请尊重版权】多的 voice speaker 选项,原创内容,盗版必究。转载请注明出处:www.tangshuang.net中文目前只找到了一个女声和一个男声。

【版权所有】唐霜 www.tangshuang.net【原创不易,请尊重版权】【原创内容,转载请注明出处】【原创内容,转载请注明出处】

另外值得一提的是,OpenVoice也是原创内容,盗版必究。本文作者:唐霜,转载请注明出处。MyShell AI的项目。

转载请注明出处:www.tangshuang.net【未经授权禁止转载】本文作者:唐霜,转载请注明出处。

ChatTTS原创内容,盗版必究。

【本文首发于唐霜的博客】【原创内容,转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】

ChatTTS【作者:唐霜】 也是一个开源的文本转语音项目,支持中文原创内容,盗版必究。【未经授权禁止转载】和英文。目前来说,是开源社区最活跃的TT转载请注明出处:www.tangshuang.net【本文首发于唐霜的博客】S项目,社区出现的ChatTTS For未经授权,禁止复制转载。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。【作者:唐霜】【转载请注明来源】其生成的效果非常接近真实人生。

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】【版权所有】唐霜 www.tangshuang.net

不过,其团队出于安全和商业的考虑,开源版未经授权,禁止复制转载。【关注微信公众号:wwwtangshuangnet】本的模型参数较小,且官方特意加入了噪声。

【版权所有】唐霜 www.tangshuang.net未经授权,禁止复制转载。【转载请注明来源】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。

CosyVoice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。【转载请注明来源】【本文受版权保护】

CosyVoice本文版权归作者所有,未经授权不得转载。是阿里发布的开源模型,附属于大项目Fun【作者:唐霜】【原创不易,请尊重版权】AudioLLM。从官方的demo来看,【版权所有】唐霜 www.tangshuang.net本文作者:唐霜,转载请注明出处。其效果非常接近人声,其效果与ChatTT未经授权,禁止复制转载。【未经授权禁止转载】S类似,具有情感和口气。同时,其克隆效果本文版权归作者所有,未经授权不得转载。【本文受版权保护】也非常出色,是目前来说,国内最完整最优秀著作权归作者所有,禁止商业用途转载。著作权归作者所有,禁止商业用途转载。的TTS开源项目。

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。著作权归作者所有,禁止商业用途转载。【版权所有,侵权必究】

同时,阿里云上也提供了CosyVoice转载请注明出处:www.tangshuang.net【转载请注明来源】的服务,因此,下方就不单独提阿里云服务部原创内容,盗版必究。【版权所有】唐霜 www.tangshuang.net分。

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。【本文首发于唐霜的博客】【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。

闭源TTS服务【作者:唐霜】

【转载请注明来源】【本文首发于唐霜的博客】本文作者:唐霜,转载请注明出处。未经授权,禁止复制转载。未经授权,禁止复制转载。

微软Azure语音合成【版权所有】唐霜 www.tangshuang.net

【作者:唐霜】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

从目前所有云服务公开的情况来看,Azur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。e的语音合成是最优秀最稳定的选择,它提供【版权所有,侵权必究】原创内容,盗版必究。了非常多的配置选项,可以帮助开发者在不同转载请注明出处:www.tangshuang.net【原创不易,请尊重版权】场景实现自己的效果。而且,网上有很多攻略未经授权,禁止复制转载。【版权所有】唐霜 www.tangshuang.net,可以白嫖其免费额度。

【原创不易,请尊重版权】转载请注明出处:www.tangshuang.net转载请注明出处:www.tangshuang.net原创内容,盗版必究。

TTSMaker【访问 www.tangshuang.net 获取更多精彩内容】

【版权所有,侵权必究】【关注微信公众号:wwwtangshuangnet】【本文首发于唐霜的博客】原创内容,盗版必究。

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。【转载请注明来源】合成服务进行二次开发后的产品,其效果和性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】能非常令人惊艳。它提供了非常多的音色,也【关注微信公众号:wwwtangshuangnet】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【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。户使用。它分为国内版和海外版,域名即cn【未经授权禁止转载】【作者:唐霜】和com的区别,由于某些原因,com域名转载请注明出处:www.tangshuang.net著作权归作者所有,禁止商业用途转载。不能在国内访问,而由于某些原因,cn站点转载请注明出处:www.tangshuang.net【本文受版权保护】关闭了API服务。

著作权归作者所有,禁止商业用途转载。本文作者:唐霜,转载请注明出处。未经授权,禁止复制转载。【版权所有】唐霜 www.tangshuang.net

火山引擎megaTTS【原创内容,转载请注明出处】

【作者:唐霜】未经授权,禁止复制转载。【版权所有,侵权必究】【未经授权禁止转载】

豆包背后使用了Seed-TTS,但是Se【作者:唐霜】本文作者:唐霜,转载请注明出处。ed-TTS并没有公开提供服务,字节在火【本文受版权保护】【未经授权禁止转载】山引擎提供了megaTTS,我有真实体验【本文受版权保护】【原创不易,请尊重版权】,从克隆的效果来看,非常的优秀,与豆包的【原创内容,转载请注明出处】【原创不易,请尊重版权】克隆效果有的一比。不过megaTTS的收【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。费比较贵。

【转载请注明来源】本文作者:唐霜,转载请注明出处。【原创不易,请尊重版权】【本文首发于唐霜的博客】

Reecho睿声【本文首发于唐霜的博客】

【本文受版权保护】未经授权,禁止复制转载。原创内容,盗版必究。【版权所有,侵权必究】

国内较为专注语音相关的厂商,深圳的一家公原创内容,盗版必究。原创内容,盗版必究。司,提供了AI语音社区,可以实现合成和克本文作者:唐霜,转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】隆,也开放了API。我自己试了一下克隆,【版权所有,侵权必究】【作者:唐霜】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】原创内容,盗版必究。觉得很有特点。

【原创不易,请尊重版权】【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。【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。

其他云语音合成【本文首发于唐霜的博客】

原创内容,盗版必究。【原创内容,转载请注明出处】本文作者:唐霜,转载请注明出处。

腾讯云、讯飞开放平台、有道智云都提供了语【原创不易,请尊重版权】未经授权,禁止复制转载。音合成服务。我没有真正体验它们的效果,但【关注微信公众号:wwwtangshuangnet】【本文首发于唐霜的博客】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。著作权归作者所有,禁止商业用途转载。就不像是给普通开发者提供使用的。

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。本文作者:唐霜,转载请注明出处。

ElevenLabs(仅英文)【作者:唐霜】

本文作者:唐霜,转载请注明出处。【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。

ElevenLabs是国外的一家专注做A【未经授权禁止转载】【版权所有,侵权必究】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】【版权所有】唐霜 www.tangshuang.net非常典型的国外小而美公司的特点。其TTS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效果非常的优秀,但是只支持英文,如果给中【原创内容,转载请注明出处】【版权所有】唐霜 www.tangshuang.net文的话,会有非常重的外国人口音(有的情况转载请注明出处:www.tangshuang.net著作权归作者所有,禁止商业用途转载。下这竟然是一种特色)。

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。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。

它有开发API,付费为订阅制,总体而言,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。虽然其功能很优秀,却不适合国内产品场景。

【版权所有,侵权必究】【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。著作权归作者所有,禁止商业用途转载。

原生TTS功能原创内容,盗版必究。

【未经授权禁止转载】【未经授权禁止转载】【本文受版权保护】

浏览器自带SpeechSynthesis

【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】未经授权,禁止复制转载。

我们的浏览器自带了转载请注明出处:www.tangshuang.netSpeechSynthesis【版权所有】唐霜 www.tangshuang.net接口,虽然这个接口是实验性的,但是其兼容本文作者:唐霜,转载请注明出处。【本文受版权保护】性还是非常不错的。基于该接口,我们可以直【版权所有】唐霜 www.tangshuang.net转载请注明出处:www.tangshuang.net接用javascript实现语音播报,特本文版权归作者所有,未经授权不得转载。【转载请注明来源】别是结合一些浏览器自带的分词工具,我们可【关注微信公众号:wwwtangshuangnet】本文作者:唐霜,转载请注明出处。以让SpeechSynthesis实现L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。LM边思考边说话的效果。

未经授权,禁止复制转载。【未经授权禁止转载】【作者:唐霜】【本文首发于唐霜的博客】本文版权归作者所有,未经授权不得转载。

但是它的音色会由浏览器加载对应的声音模型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,而且其生成的声音距离自然的人声还是比较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。远。

【版权所有】唐霜 www.tangshuang.net原创内容,盗版必究。【原创内容,转载请注明出处】【作者:唐霜】

TTS技术选型对比评测【作者:唐霜】

【作者:唐霜】转载请注明出处:www.tangshuang.net【原创内容,转载请注明出处】

作为开发者,我们最终要根据当前的业务场景【本文受版权保护】【本文受版权保护】选择一项TTS技术来实现自己的功能。如果【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。使用开源项目,则必须自己部署服务,并基于本文作者:唐霜,转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】服务开发业务接口,难度最大;基于云服务,【原创内容,转载请注明出处】未经授权,禁止复制转载。则不需要自己部署,虽然成本更高,但是稳定著作权归作者所有,禁止商业用途转载。【原创内容,转载请注明出处】性和效果有保障;基于原生TTS或第三方原【版权所有,侵权必究】【作者:唐霜】生库,成本低,难度低,但是语音效果不怎么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】好。

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】【本文首发于唐霜的博客】
OpenVoice本文作者:唐霜,转载请注明出处。 GPT-SoVITS【版权所有,侵权必究】 Fish-Speech【本文受版权保护】 MeloTTS本文作者:唐霜,转载请注明出处。 ChatTTS【版权所有】唐霜 www.tangshuang.net CosyVoice本文作者:唐霜,转载请注明出处。 微软Azure语音合成未经授权,禁止复制转载。 TTSMaker【作者:唐霜】 火山引擎megaTTS未经授权,禁止复制转载。 Reecho睿声【转载请注明来源】 ElevenLabs未经授权,禁止复制转载。 浏览器SpeechSynthesis【本文受版权保护】
合成效果【作者:唐霜】 人声相似性【转载请注明来源】
稳定性本文作者:唐霜,转载请注明出处。 一般本文版权归作者所有,未经授权不得转载。 不错【转载请注明来源】 不错【未经授权禁止转载】 稳定【作者:唐霜】 忽上忽下本文作者:唐霜,转载请注明出处。 很稳定未经授权,禁止复制转载。 稳到飞起【本文首发于唐霜的博客】 稳到飞起【原创不易,请尊重版权】 稳到飞起【本文首发于唐霜的博客】 还行【未经授权禁止转载】 稳到飞起【未经授权禁止转载】
长文本【原创内容,转载请注明出处】 【访问 www.tangshuang.net 获取更多精彩内容】 【本文受版权保护】 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】 【未经授权禁止转载】 【本文首发于唐霜的博客】 很好【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。 差,但可以分角色【原创内容,转载请注明出处】 好的不得了【关注微信公众号:wwwtangshuangnet】
情感、风格【本文受版权保护】 几乎没有【版权所有,侵权必究】 有一点【原创内容,转载请注明出处】 【访问 www.tangshuang.net 获取更多精彩内容】 不错【原创内容,转载请注明出处】 很不错【版权所有,侵权必究】 很不错本文版权归作者所有,未经授权不得转载。 可选【版权所有】唐霜 www.tangshuang.net 几乎没有本文作者:唐霜,转载请注明出处。 可选【版权所有】唐霜 www.tangshuang.net 【作者:唐霜】 【版权所有,侵权必究】
中文+英文+数字【作者:唐霜】 【原创不易,请尊重版权】 【版权所有】唐霜 www.tangshuang.net 还行原创内容,盗版必究。 还行【本文受版权保护】 【版权所有】唐霜 www.tangshuang.net 【版权所有】唐霜 www.tangshuang.net 【未经授权禁止转载】 数字不行【本文首发于唐霜的博客】 还行转载请注明出处:www.tangshuang.net 本文作者:唐霜,转载请注明出处。 【原创不易,请尊重版权】
音色数量转载请注明出处:www.tangshuang.net 多到不行【版权所有,侵权必究】 中文只有2个【原创内容,转载请注明出处】 海量【未经授权禁止转载】 还行【作者:唐霜】 常用的都有未经授权,禁止复制转载。 常用的都有【转载请注明来源】 竟然还有方言【关注微信公众号:wwwtangshuangnet】 还行【转载请注明来源】 中文的不多,有粤语和台湾本文版权归作者所有,未经授权不得转载。
口语化未经授权,禁止复制转载。 没有原创内容,盗版必究。 没有本文版权归作者所有,未经授权不得转载。 没有【访问 www.tangshuang.net 获取更多精彩内容】 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。 【原创内容,转载请注明出处】 可选本文作者:唐霜,转载请注明出处。 没有【本文受版权保护】 没有【版权所有,侵权必究】 没有未经授权,禁止复制转载。 没有,机器音重到不行【访问 www.tangshuang.net 获取更多精彩内容】
合成可选项未经授权,禁止复制转载。 太少【未经授权禁止转载】 太少本文作者:唐霜,转载请注明出处。 很少【作者:唐霜】 很少【未经授权禁止转载】 很少【本文首发于唐霜的博客】 很少【访问 www.tangshuang.net 获取更多精彩内容】 很多【转载请注明来源】 著作权归作者所有,禁止商业用途转载。 一般多转载请注明出处:www.tangshuang.net 太少【转载请注明来源】 几乎没有原创内容,盗版必究。
克隆原创内容,盗版必究。 音色近似度【版权所有】唐霜 www.tangshuang.net 有一定相似性【作者:唐霜】 比OpenVoice稍好著作权归作者所有,禁止商业用途转载。 比OpenVoice好很多【本文受版权保护】 用SenseVoice克隆,效果比Ope【本文首发于唐霜的博客】转载请注明出处:www.tangshuang.netnVoice好非常多 非常接近原声转载请注明出处:www.tangshuang.net 个人感觉一般本文作者:唐霜,转载请注明出处。 付费功能没有试【原创不易,请尊重版权】
语气情感本文版权归作者所有,未经授权不得转载。 可加控制器控制【作者:唐霜】 有一点点,但不多【作者:唐霜】 【版权所有】唐霜 www.tangshuang.net 不错本文作者:唐霜,转载请注明出处。 几乎没有本文版权归作者所有,未经授权不得转载。 几乎没有【原创内容,转载请注明出处】 转载请注明出处:www.tangshuang.net
零样本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。 【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。
源人声要求【转载请注明来源】 30s【原创不易,请尊重版权】 5s【版权所有】唐霜 www.tangshuang.net 30s本文作者:唐霜,转载请注明出处。 3-10s【本文首发于唐霜的博客】
开发原创内容,盗版必究。 要自己部署著作权归作者所有,禁止商业用途转载。 【版权所有,侵权必究】 转载请注明出处:www.tangshuang.net 是,可使用API服务【未经授权禁止转载】 【访问 www.tangshuang.net 获取更多精彩内容】 【版权所有,侵权必究】 是,可使用阿里云服务【本文首发于唐霜的博客】
开发难度【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】 【作者:唐霜】 【原创内容,转载请注明出处】 很难本文版权归作者所有,未经授权不得转载。 一般【作者:唐霜】 一般【版权所有,侵权必究】 简单【本文受版权保护】 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。 简单未经授权,禁止复制转载。 简单【版权所有】唐霜 www.tangshuang.net
自由度【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。 【版权所有】唐霜 www.tangshuang.net 【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】 【本文受版权保护】 【原创内容,转载请注明出处】 【转载请注明来源】 【转载请注明来源】 一般【版权所有】唐霜 www.tangshuang.net 极高【版权所有】唐霜 www.tangshuang.net
其他著作权归作者所有,禁止商业用途转载。 项目地址原创内容,盗版必究。 https://github.com/m【版权所有,侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】yshell-ai/OpenVoice https://github.com/R【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】VC-Boss/GPT-SoVITS https://github.com/f未经授权,禁止复制转载。【转载请注明来源】ishaudio/fish-speech https://github.com/m【本文受版权保护】【版权所有,侵权必究】yshell-ai/MeloTTS https://github.com/2原创内容,盗版必究。【版权所有,侵权必究】noise/ChatTTS https://github.com/F【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。unAudioLLM/CosyVoice
服务【作者:唐霜】 https://fish.audio/z原创内容,盗版必究。【版权所有,侵权必究】h-CN/ https://help.aliyun.【版权所有,侵权必究】原创内容,盗版必究。com/zh/isi/developer【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处:www.tangshuang.net-reference/streaming未经授权,禁止复制转载。本文作者:唐霜,转载请注明出处。-speech-synthesis-tt【本文首发于唐霜的博客】【作者:唐霜】s-documentation/ https://learn.micros【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.netoft.com/zh-cn/azure/本文作者:唐霜,转载请注明出处。【版权所有,侵权必究】ai-services/speech-s【版权所有,侵权必究】未经授权,禁止复制转载。ervice/index-text-to原创内容,盗版必究。【原创不易,请尊重版权】-speech https://ttsmaker.com【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】/ https://www.volcengi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】ne.com/docs/6561/798【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】17 https://www.reecho.c原创内容,盗版必究。著作权归作者所有,禁止商业用途转载。n/ https://elevenlabs.i未经授权,禁止复制转载。【转载请注明来源】o/app/speech-synthes原创内容,盗版必究。未经授权,禁止复制转载。is/text-to-speech https://developer.mo【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。zilla.org/en-US/docs【本文首发于唐霜的博客】【未经授权禁止转载】/Web/API/SpeechSynth【未经授权禁止转载】原创内容,盗版必究。esis
开源协议【原创不易,请尊重版权】 MIT【版权所有,侵权必究】 MIT【原创不易,请尊重版权】 CC-BY-NC-SA 4.0 lice【关注微信公众号:wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.netnse MIT著作权归作者所有,禁止商业用途转载。 AGPL-3.0 license【本文首发于唐霜的博客】 Apache-2.0 license【版权所有】唐霜 www.tangshuang.net
可商用【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。 原创内容,盗版必究。 不可,需授权本文版权归作者所有,未经授权不得转载。 【本文首发于唐霜的博客】 不可,需购买私有版独立部署著作权归作者所有,禁止商业用途转载。 未经授权,禁止复制转载。 不可,需购买商业版【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。
总结【原创不易,请尊重版权】 优点【版权所有,侵权必究】 开源免费可商用【原创内容,转载请注明出处】 开源免费可商用,稳定【作者:唐霜】 人声相似【本文首发于唐霜的博客】 开源免费可商用,稳定转载请注明出处:www.tangshuang.net 口语化很棒【版权所有,侵权必究】 效果比chatTTS还ok【原创不易,请尊重版权】 无可挑剔【版权所有】唐霜 www.tangshuang.net 音色多,长文本【转载请注明来源】 最接近原声【未经授权禁止转载】 国内少有的专注语音厂商【原创不易,请尊重版权】 功能多,小而美本文作者:唐霜,转载请注明出处。 浏览器自带,不要钱,无成本【未经授权禁止转载】
缺点【版权所有】唐霜 www.tangshuang.net 效果一般【原创内容,转载请注明出处】 效果一般未经授权,禁止复制转载。 小众,不可商用原创内容,盗版必究。 音色少【原创不易,请尊重版权】 没有克隆,不可商用【未经授权禁止转载】 性能差,要求高(但可以用云服务)【关注微信公众号:wwwtangshuangnet】 没有克隆,国内无法调用API【原创不易,请尊重版权】 收费贵本文版权归作者所有,未经授权不得转载。 效果不好原创内容,盗版必究。 不支持中文,贵原创内容,盗版必究。 音色太拉,如果将来可以自己载入音色模型就【原创不易,请尊重版权】原创内容,盗版必究。好了

就目前来说,我们很难推荐哪一款技术选型是本文作者:唐霜,转载请注明出处。本文作者:唐霜,转载请注明出处。最合适的。我们可以根据自己的实际需求来进【关注微信公众号:wwwtangshuangnet】本文作者:唐霜,转载请注明出处。行选择。

未经授权,禁止复制转载。未经授权,禁止复制转载。转载请注明出处:www.tangshuang.net

总结而言:【未经授权禁止转载】

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】【未经授权禁止转载】【作者:唐霜】【未经授权禁止转载】
  • 如果是为了长文本读小说,可以选择TTSM【作者:唐霜】【作者:唐霜】aker或Azure的AI语音服务
  • 【版权所有】唐霜 www.tangshuang.net【关注微信公众号:wwwtangshuangnet】【作者:唐霜】
  • 如果仅仅是为了能够发出声音进行阅读,为了【版权所有,侵权必究】转载请注明出处:www.tangshuang.net追求实时性,流式阅读,可以选择浏览器Sp【版权所有】唐霜 www.tangshuang.net转载请注明出处:www.tangshuang.neteechSynthesis
  • 【版权所有】唐霜 www.tangshuang.net【原创不易,请尊重版权】【本文受版权保护】【关注微信公众号:wwwtangshuangnet】【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-【本文首发于唐霜的博客】转载请注明出处:www.tangshuang.netSoVITS,MIT协议可以克隆,效果稳【转载请注明来源】【本文首发于唐霜的博客】定,相似度虽然不够,但起码能用
  • 转载请注明出处:www.tangshuang.net【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。
  • 如果追求克隆口语化,接近自然人声,就选C【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。osyVoice阿里云服务或Azure的转载请注明出处:www.tangshuang.net【版权所有】唐霜 www.tangshuang.netAI语音服务
  • 本文作者:唐霜,转载请注明出处。转载请注明出处:www.tangshuang.net未经授权,禁止复制转载。【未经授权禁止转载】
  • 如果追求克隆音色相似度很高,可以尝试火山【未经授权禁止转载】著作权归作者所有,禁止商业用途转载。引擎的语音合成服务,贵就贵点
  • 未经授权,禁止复制转载。【本文受版权保护】【原创内容,转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】

至于chatTTS和Fish-Speec【原创内容,转载请注明出处】【本文受版权保护】h,由于其协议问题,不建议采用。

【版权所有,侵权必究】【版权所有】唐霜 www.tangshuang.net原创内容,盗版必究。

结语【原创内容,转载请注明出处】

【访问 www.tangshuang.net 获取更多精彩内容】【原创内容,转载请注明出处】【未经授权禁止转载】【本文首发于唐霜的博客】

随着AI应用的发展,市面上会出现愈来越多【转载请注明来源】【转载请注明来源】GPT-4o发布时演示的与智能体实时对话【原创不易,请尊重版权】【本文受版权保护】的应用,这也是迈向机器人时代的重要一步。【版权所有,侵权必究】【本文受版权保护】然而就目前市面上的TTS产品而言,就目前转载请注明出处:www.tangshuang.net本文版权归作者所有,未经授权不得转载。来说,都无法做到最好,特别是在口语化上,【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】无法做到极致的自然交流。当然,这或许也不著作权归作者所有,禁止商业用途转载。本文作者:唐霜,转载请注明出处。是一件坏事,毕竟我们有的时候还是需要区分【本文首发于唐霜的博客】【版权所有,侵权必究】是自然人声还是机器声,特别是在诈骗横行的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。当下。作为产品的开发者,我们在追求极致的【原创内容,转载请注明出处】本文作者:唐霜,转载请注明出处。同时,也应该考虑到安全性,避免由此带来的【作者:唐霜】转载请注明出处:www.tangshuang.net政策风险和将来的法律问题。

转载请注明出处:www.tangshuang.net【转载请注明来源】【本文受版权保护】【本文首发于唐霜的博客】

2024-08-28 35545

为价值买单,打赏一杯咖啡

本文价值355.45RMB
已有9条评论
  1. nova 2024-12-28 12:44

    有没有比较一下微软的声音克隆功能?

  2. 化腾少了个啥 2024-11-08 11:50

    博主你好,最近出了一个F5-TTS,方便测评吗(前面打错了

    • 否子戈 2024-11-19 15:09

      已经关注了,尽快评测并加到文章末

    • 落山 2024-11-21 14:44

      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

      • 否子戈 2024-11-29 00:16

        我现在的主力是cosyvoice和豆包,云上用着

  3. 腰马合一 2024-10-11 11:43

    非常好,果断赞一个,送杯咖啡

    • 否子戈 2024-10-11 20:41

      感谢支持

  4. 小鱼 2024-09-10 20:52

    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。

  5. 蓉蓉 2024-09-07 20:34

    学习下测评结果