小米Kaldi团队开源OmniVoice模型，支持超600种语言，在中文和多语言TTS基准测试中多项指标达到SOTA。中文WER低至0.84%，多语言性能超越主流商用模型，实现语音合成新突破。
微软发布全新语音转文字模型MAI-Transcribe-1，在25种语言上平均词错误率仅3.9%，成为全球最精准转写模型。该模型在FLEURS基准测试中表现优异，尤其在英语等11种核心语言上效果突出。这是微软MAI系列第三款产品，此前已推出语音合成和图像生成模型。
微软开源VibeVoice语音AI模型，支持ASR和TTS，具备长音频处理、多说话人对话生成及实时低延迟特性，已在GitHub获27K星。采用MIT协议，支持本地部署，无需云端费用，旨在推动语音合成领域创新。
通义实验室发布开源多模态大模型Fun-CineForge，旨在解决传统AI配音在影视动画中情绪表达和口型同步不足的问题。该模型突破声画脱节瓶颈，专注于实现合成语音与画面唇部运动的高度匹配，提升配音真实感。
高质量的语音克隆 TTS 模型，支持 600 多种语言。
专业AI面试助手，提供实时语音识别、智能回答生成等功能，提升面试成功率。
开源的前沿语音 AI 模型，支持语音识别和文本转语音。
一站式有声内容创作平台，助力高效创作有声书。
Alibaba
$8
输入tokens/百万
$240
输出tokens/百万
52
上下文长度
$3.9
$15.2
64
$15.8
$12.7
-
Bytedance
$0.8
$2
128
Tencent
32
$2.4
$12
8
$3
$9
$1.6
$10
$1.5
Xai
$21
$105
Openai
$3.5
$10.5
16
Baidu
Chatglm
$100
pnnbao-ump
VieNeu-TTS-1000h是一款先进的越南语端侧文本转语音模型，基于约1000小时高质量越南语语音数据训练，具备即时语音克隆功能，支持越南语与英语的无缝切换，能在CPU或GPU上实时合成24kHz波形。
IbrahimSalah
这是一个基于300小时纯净阿拉伯语音频数据微调的文本转语音模型，专门为带完整元音符号的现代标准阿拉伯语提供高质量语音合成，支持声音克隆和长文本处理功能。
Marvis-AI
这是一个基于MLX框架优化的文本转语音模型，从原始模型Marvis-AI/marvis-tts-100m-v0.2转换而来，采用6位量化技术，专门为Apple Silicon硬件优化，提供高效的语音合成能力。
dinhthuan
NeuTTS-Air越南语文本转语音模型是基于260多万条越南语音频样本，从NeuTTS-Air基础模型微调而来的高质量越南语语音合成模型。该模型能够实现自然流畅的越南语语音合成，支持语音克隆功能，并针对生产环境进行了优化。
OpenMOSS-Team
MOSS-TTSD是一个开源的双语口语对话合成模型，支持中文和英文，能够将两人对话脚本转化为自然、富有表现力的对话语音，支持语音克隆且单轮语音生成时长最长可达1700秒。
kenpath
Svara-TTS是一款面向印度语言的开源多语言文本转语音模型，支持19种语言（18种印度语言+印度英语）。该模型基于Orpheus风格的离散音频令牌方法构建，旨在普通GPU/CPU上实现清晰、富有表现力且低延迟的语音合成。
nineninesix
KaniTTS是一款专为实时对话式人工智能应用优化的高速、高保真阿拉伯语文本转语音模型。它采用两阶段流水线架构，结合大语言模型与高效音频编解码器，实现卓越的速度和音频质量，能够满足对话式AI、无障碍辅助、研究等多领域的语音合成需求。
KaniTTS是一款专为实时对话式AI应用优化的高速、高保真文本转语音模型，通过独特的两阶段架构结合大语言模型与高效音频编解码器，实现低延迟与高质量语音合成，实时因子低至0.2，比实时速度快5倍。
CypressYang
SongBloom是一款专注于文本转音频的生成模型，能够将文本转化为生动的音频内容，为用户带来全新的语音合成体验。
KaniTTS Pretrain v0.3是一款高速、高保真的文本转语音模型，专为实时对话式人工智能应用优化，采用两阶段管道架构，结合大语言模型和高效音频编解码器，实现极低延迟和高品质语音合成。
这是一个基于MLX框架优化的文本转语音模型，由nineninesix开发，支持多种语言的高质量语音合成。
notmax123
Zonos-v0.1 是一款领先的开源文本转语音（TTS）模型，基于超过20万小时的多语言语音数据训练，在表现力和质量上可与顶级TTS供应商相媲美。支持零样本语音克隆、多语言合成和精细的音频控制。
cartesia
这是针对csm.rs框架优化的sesame/csm-1b文本转语音模型的GGUF量化版本，通过量化技术减小模型大小并提升推理效率，适用于语音合成任务。
Marvis 是一款先进的对话式语音模型，专为实现实时流式文本转语音合成而设计。它以高效和易用性为核心，支持在苹果芯片、iPhone、iPad、Mac 等消费设备上运行的高质量实时语音合成。
calcuis
Higgs的GGUF量化版本是基于bosonai基础模型的文本转语音合成模型，支持多种语言的语音生成，具有高效的推理性能和便捷的本地部署能力。
snorbyte
snorTTS-Indic-v0 是一个多语言印度语语音合成（TTS）模型，能够生成九种印度语言的语音。
fnlp
MOSS-TTSD 是一个开源的双语口语对话合成模型，支持中文和英文，能够将对话脚本转化为自然、富有表现力的对话语音。
griffing52
基于microsoft/speecht5_tts微调的语音合成模型，适用于语音合成任务。
Anjan9320
这是一个基于Facebook MMS项目的超轻量级印地语语音合成模型，采用VITS架构，能够将印地语文本转换为高质量、自然流畅的语音输出。模型专为印地语优化，具有高效的推理性能。
这是一个基于Facebook MMS项目的超轻量级印地语语音合成模型，专门针对女性声音进行了优化。该模型能够将印地语文本转换为自然流畅的女性语音，具有轻量级、高效运行的特点，支持随机时长预测器生成不同节奏的语音。
ElevenLabs官方MCP服务器，提供文本转语音和音频处理API交互能力
MiniMax官方模型上下文协议（MCP）服务器，支持文本转语音、视频/图像生成等API交互。
这是一个基于Node.js的MCP服务器项目，通过Model Context Protocol实现AI助手与棒読みちゃん语音合成软件的集成，提供文本转语音功能。
为Typecast API实现的MCP服务器，提供标准化交互接口
ElevenLabs文本转语音MCP服务
Kyutai TTS的Docker部署方案，提供一键启动的Web界面、REST API和MCP工具支持，支持GPU加速和多语言界面。
Kokoro文本转语音(TTS)MCP服务器，支持生成MP3文件并可选上传至S3存储
Zonos TTS与Claude的MCP集成项目，实现文本转语音功能。
VOICEPEAK文本转语音的MCP服务器，支持语音合成、播放和发音词典管理等功能
该项目实现了Typecast API的MCP服务器，为MCP客户端提供标准化的语音合成服务交互方式。
这是一个用于控制Reachy Mini机器人的MCP服务器，通过自然语言指令实现舞蹈、表情、头部运动、摄像头图像捕捉、头部跟踪和本地实时语音合成等功能。
一个基于Rime API的文本转语音MCP服务器，提供系统音频播放功能。
MiniMax MCP JS是一个基于JavaScript/TypeScript实现的MiniMax MCP协议工具集，提供图像生成、视频生成、文本转语音等功能，支持与MCP兼容客户端交互。
一个为AivisSpeech文本转语音引擎设计的MCP服务器，支持日语语音合成、多角色声音选择和参数配置，实现与AI助手的无缝集成。
一个基于MCP服务器和OpenAI TTS SDK的文本转语音工具，支持本地环境播放。
基于Edge-TTS的MCP语音合成服务器
一个基于Chatterbox TTS模型的简化MCP服务器，提供文本转语音生成及自动播放功能，支持实时进度通知和自动模型加载。
基于Kokoro TTS引擎的语音合成MCP服务
VOICEVOX互兼容的语音合成服务器，通过MCP协议实现与Cursor等工具的集成
Rime MCP是一个基于Rime API的文本转语音服务，通过系统原生音频播放器实现语音合成与播放功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
