「声音克隆模型」 - Reddo
PlayHT 是一款 AI 语音生成器，使用先进的 AI 技术将文字转换为真实语音，支持多种语言和用途，可下载为 MP3 和 WAV 文件。它提供超过 600 种 AI 声音，包括多种语言和口音，适用于视频、音频出版、故事讲述、对话 AI 等多种场景。
PlayHT 是一款 AI 语音生成器，可实现文字到语音的转换，且提供声音克隆功能。
Resemble AI 是一家加拿大的 AI 语音初创公司，提供语音克隆、语音转换、多语言支持等功能，可应用于客户服务、游戏、娱乐等领域。其专业级语音克隆几乎与原始声音无异，还具备实时检测深度伪造音频的能力。
Resemble 是一家提供语音克隆、语音转换等功能的 AI 语音初创公司。
GPT-SoVITS 是一个具有强大功能的少样本语音转换与语音合成 Web 用户界面。它支持零样本文本到语音转换，只需输入 5 秒的声音样本即可体验。还支持少样本 TTS，仅需 1 分钟的训练数据即可微调模型，提升声音相似度和真实感。此外，它还具有跨语言支持，目前支持英语、日语和中文。集成了声音伴奏分离、自动训练集分割、中文自动语音识别和文本标注等工具，协助初学者创建训练数据集和 GPT/SoVITS 模型。
GPT-SoVITS 具有声音克隆功能，且它是一个少样本语音转换与语音合成 Web 用户界面。
魔音工坊是一款先进的配音工具和高效多人音频协同创作工具，集成了先进的深度学习技术，可智能将文字转换成语音，支持多种语言和语音风格。它广泛应用于视频配音、新闻播报、有声书、有声电台、外语出海等多种配音场景，拥有 800 多款声音、1000 多种风格，更有众多明星大咖声音入驻，简单易用、轻松上手。
魔音工坊是集成深度学习技术的配音工具，可智能转换文字语音，支持多种语言和风格，广泛用于配音场景，拥有多种声音和风格。
OpenVoiceV2 是 myshell-ai 推出的一款文本转语音模型，具有准确的音色克隆、灵活的语音风格控制和零样本跨语言语音克隆等功能。它支持多种语言，包括英语、西班牙语、法语、中文、日语和韩语。用户可以通过官网提供的服务进行快速使用，也可以在 Linux 系统上进行安装和开发。
声音克隆功能是 OpenVoiceV2 最显著的特点之一，技术邻域为机器学习，适用于 Linux 系统。
PaddleSpeech 是百度智能云的声音克隆技术，使用语音转换算法。它可以通过采集和分析目标声音的特征，生成与目标声音相似或相同的声音。PaddleSpeech 提供了丰富的语音处理算法和工具，为声音克隆的实现提供了强有力的支持。
PaddleSpeech 是百度智能云的声音克隆技术，使用语音转换算法，提供了丰富的语音处理算法和工具，支持声音克隆和语音合成等功能。
bark-voice-cloning 是一个处理 HuBERT 模型输出的模型，可将其转化为与 bark 文本到语音兼容的语义标记，用于语音克隆等多种应用。
团队提供声音克隆功能，是机器学习模型，与语音克隆相关。
clone-voice 是一款声音克隆工具，可使用任何人类音色，将文字合成为使用该音色说话的声音，或转换声音。支持多种语言，可在线录制声音，操作简单。提供预编译版和源码部署，预编译版双击 app.exe 打开 web 界面即可使用，源码版需配置环境。模型 xtts 仅可用于学习研究，不可用于商业。
可使用任何人类音色将文字合成为使用该音色说话或将声音转换，操作简单，提供预编译版和源码部署。
百度智能云是百度旗下的云计算品牌，提供全栈的大模型服务，包括建设咨询、场景设计、效果调优、应用定制、效果运营和技术培训等，旨在帮助企业快速实现 AI 原生应用创新和业务收益落地。
团队提供全栈大模型服务，包括声音克隆技术和产品，属于机器学习模型
Replicate是一个开源AI模型托管云平台，用户可以通过API运行和微调开源模型，并大规模部署自定义模型。平台支持图像、语言等多种模型的微调和部署，提供自动扩展和按需付费的服务。
Replicate 是一个开源 AI 模型托管云平台，提供了全面的声音克隆模型服务。
CO-FIT 是一款全新设计和开发的应用，用于同步智能穿戴手表记录的步数、卡路里、里程、心率、血压、睡眠和运动等数据。其新设计的 UI 可更直观地显示数据，绑定并授权后，还能将手机的来电和短信推送到手表上，避免信息丢失。
团队提供声音克隆功能，且该功能属于机器学习模型的应用
VoiceEngine 是 OpenAI 推出的声音克隆技术，通过文本输入和 15 秒音频样本生成相似声音。它由文本到语音模型驱动，能预测最可能的声音，并采用扩散过程生成音频。该模型已开发一年多，早期用于内部测试，帮助理解技术前沿。安全是首要任务，合作伙伴需遵守使用政策，禁止未经同意的模仿，并要求向听众披露 AI 生成的声音。
VoiceEngine 是 OpenAI 推出的声音克隆技术，能通过文本和音频样本生成相似声音，属于机器学习模型，与语音合成相关
XTTS-v1 是一款语音生成模型，只需 6 秒的音频片段即可克隆声音到不同语言。它基于 Tortoise 构建，具有重要的模型变化，使跨语言语音克隆和多语言语音生成变得超级容易。目前支持 14 种语言，包括英语、西班牙语、法语、德语、意大利语、葡萄牙语、波兰语、土耳其语、俄语、荷兰语、捷克语、阿拉伯语、中文和日语。
XTTS-v1 是语音克隆模型，支持多语言克隆，基于 Tortoise 构建，团队信息注明时间和产品。
Respeecher 是一家专注于语音克隆技术的公司，为电影制作人、创作者等提供高质量的语音解决方案。其技术融合了前沿的公共模型和专有技术，能够从任何源材料中提供出色的结果。Respeecher 还注重声音的真实性和情感表达，致力于为用户带来沉浸式的体验。
Respeecher 专注于语音克隆技术，其产品包括为影视、游戏、广告等提供语音克隆服务，且融合了前沿的公共模型和专有技术。
模型服务灵积是阿里云的轻量化声音克隆模型服务，通过真人语音数据训练生成定制语音合成模型，为用户的品牌或角色合成清晰自然的声音。它提供灵活、易用的模型 API 服务，让各种模态模型的能力方便地为 AI 开发者所用，开发者不仅可以直接集成大模型的强大能力，也可以对模型进行训练微调，实现模型定制化。
模型服务灵积 DashScope 是阿里云推出的轻量化声音克隆模型服务，通过真人语音数据训练生成定制语音合成模型，为用户的品牌或角色合成清晰自然的声音。
VoiceConversionWebUI 是一个集模型训练、推理、音频处理为一体的 AI 语音克隆工具，具有简单易用的网页界面。它使用 top1 检索替换输入源特征为训练集特征来杜绝音色泄漏，即便在相对较差的显卡上也能快速训练，使用少量数据进行训练也能得到较好结果。此外，它还支持模型融合来改变音色，可调用 UVR5 模型来快速分离人声和伴奏。
VoiceConversionWebUI 是集模型训练、推理、音频处理为一体的 AI 语音克隆工具，包含声音克隆功能、机器学习模型。
Voicery 是一家提供声音合成技术的公司，包括声音克隆，为企业和开发者提供解决方案。其产品工作原理是通过训练深度神经网络来模仿配音演员的声音，能够传达精心设计的情感，可应用于多种场景，如汽车、语音助手、呼叫中心、有声读物等。
提供声音克隆技术，通过训练深度神经网络模仿配音演员声音，应用于多种领域，Voicery 是机器学习模型
MetaVoice-1B 是一个 1.2B 参数的基础模型，在 100K 小时的语音上进行训练，用于 TTS（文本到语音）。它具有以下优先级：情感语音节奏和语调，支持语音克隆微调，对美国和英国声音的零样本克隆，支持长格式合成。该模型在 Apache 2.0 许可证下发布，可以无限制使用。
MetaVoice-1B 具有语音克隆微调的功能，是用于 TTS 的 1.2B 参数基础模型，训练于 100K 小时语音。
Reecho 睿声是一个超拟真语音合成与瞬时克隆平台，由浙江大学机器学习博士后团队领衔研发。它可以理解文本上下文，以与真人几乎无异的拟真度、表现力、情感、韵律和音色来基于文本生成人声音频，并且支持以极短样本进行无需训练的瞬时语音克隆，或使用较长样本进行精益求精的专业语音克隆。Reecho 睿声还提供了声音社区，用户可以在这里自由分享克隆声音角色、有声作品、剧本模板、使用心得等内容。
Reecho 睿声是超拟真语音合成与瞬时克隆平台，由浙江大学机器学习博士后团队领衔研发，可理解文本上下文生成人声音频，支持瞬时与专业语音克隆，并提供声音社区。
这是一个支持将文字转换为克隆人声音的项目，通过深度学习框架实现，可在 5 秒内克隆声音并生成任意语音。它具有多种功能，如支持中文、PyTorch 等，可在 Windows 和 Linux 系统上运行，且易于使用。
提供文字转克隆人声音服务，通过深度学习框架实现，具备易用性
这是一个由 TachibanaKimika 在 Hugging Face 上发布的模型集合，包含了多个角色的语音模型，如 sora、riri、hibiki 等。这些模型经过训练，可以用于语音合成等任务。
团队提供了多角色语音合成模型，且经训练可用于语音合成等任务，符合搜索要求
奇妙问是南京小问智能科技有限公司旗下品牌，提供一站式交互数字人解决方案。其数字人具有高颜值外表、动听的声音、个性化克隆等特点，搭载自研大模型“序列猴子”，支持十亿、百亿、千亿级别参数规模，满足大中小各类企业诉求。
团队名称为奇妙问，其数字人具有个性化克隆等特点，搭载的自研大模型支持多种参数规模，自研即表明属于机器学习模型
科大讯飞是一家专注于人工智能领域的公司，致力于语音识别、语音合成、声音克隆等技术的研究与应用。其产品涵盖教育、医疗、城市、工业、金融、客服、汽车、营销、企业数字化、家庭等多个行业，为用户提供智能语音交互、智能办公、智能翻译等服务。
科大讯飞致力于语音识别、合成和克隆等技术的研究与应用，其产品涵盖多个行业，提供多种智能服务。
这是一个基于 Ernerf 模型的实时流式数字人项目，支持多种数字人模型，如 ernerf、musetalk、wav2lip 等，还支持声音克隆、多种音频特征驱动、全身视频拼接、rtmp 和 webrtc 等功能，基本可以达到商用效果。
团队的metahuman-stream产品是基于Ernerf模型的实时流式数字人项目，支持声音克隆等多种功能。
KitsAI 是一个 AI 声音生成和免费 AI 声音训练平台，让音乐人使用和创建 AI 声音。主要功能包括 AI 声音转换、克隆、文字转语音、声音分离等。它与艺术家和创作者直接合作，以正式授权他们的 AI 声音模型。
团队提供声音克隆功能，且其产品属于人工智能模型，同时涉及语音合成相关技术。
奇妙元是一家专注于数字人短视频和直播服务的公司，提供多种类型的数字人、百种语言选择，可节省超 80%的时间和预算。其拥有 4 种超前沿的克隆与定制服务，包括真人形象克隆、声音克隆、3D 数字人定制和企业 IP 形象激活。此外，还能一键文本转视频，轻松批量制作数字人视频。
该团队提供了声音克隆功能，且其各项业务均表明属于机器学习模型
EleveLabs 是一家成立于 2022 年的 AI 语音合成软件研发商，总部位于伦敦。其使命是让所有人都可以用任何语言和声音访问内容。该公司拥有先进的 Generative AI 技术，能够创建逼真的语音，适用于视频、播客、有声读物等多种场景。
EleveLabs 是 AI 语音合成软件研发商，提供多种 AI 音频资源和声音克隆功能
VidAU 是一个 AI-powered 的视频和音频生成平台，提供多种 AI 工具，适用于各种视频编辑场景。它可以简化内容创作的整个过程，帮助用户更快地制作出高质量的视频。该平台拥有超过 20,000 个真实案例，用户反馈良好。
团队提供 AI 头像发言人等多种功能，利用 AI 技术创建高质量视频，可简化创作过程
OpenAI 是一家专注于人工智能研究的公司，致力于开发和推广先进的人工智能技术，以实现安全、有益的通用人工智能。其产品包括 GPT-4、ChatGPT 等，可应用于多个领域，如自然语言处理、计算机视觉等。
OpenAI 开发的产品包括 ChatGPT 等，可应用于自然语言处理等领域，且是人工智能研究公司，致力于开发先进技术。
全能文字转语音是一款智能配音软件，支持文字转语音、视频转语音、语音转文字等功能，具备多种语音类型和背景音乐，可设置声音参数、多音字、插入间隔和多人播报，还能实现视频、音频、图片等格式的转换，提供文字、图片、文档翻译功能，操作简单，界面简洁，适用于多种场景。
提供文字转语音等功能，具备多种语音类型和背景音乐，可设置声音参数等。
阿里云机器学习 PAI 团队推出自研 Prompt 美化器 BeautifulPrompt，服务 Stable Diffusion。该团队还打造了机器学习平台 PAI，涵盖多个功能模块，支持千亿特征、万亿样本规模加速训练，应用场景广泛。
阿里云机器学习 PAI 团队打造了 PAI 平台，支持大规模样本训练。团队还推出自研 Prompt 美化器 BeautifulPrompt，与 Stable Diffusion 结合。
XTTS-v2 是一种语音生成模型，只需 6 秒的音频片段即可将声音克隆到不同语言。它支持 17 种语言，具有语音克隆、情感和风格转移、跨语言语音克隆、多语言语音生成等功能。该模型还在架构、稳定性、韵律和音频质量等方面进行了改进。
XTTS-v2 是语音生成模型，只需 6 秒音频片段就能克隆声音，还支持多种功能并在多个方面有改进。
Voicify.AI 是一款 AI 音乐创作工具，提供上百个社区上传的 AI 声音模型，支持克隆用户声音，能在几秒钟内制作出高质量的 AI 翻唱作品。
Voicify.AI 是一款提供上百个社区上传的 AI 声音模型的工具，支持克隆用户声音，符合要求。
小文智能专注于智能客服领域，提供声音克隆软件技术。其智能客服系统基于人工智能技术，能够理解客户问题并提供准确答案和解决方案，提升客户满意度和业务成单率。该系统具备强大的数据分析能力，可实时收集和处理客户数据，为企业提供决策支持。此外，小文智能还关注智能外呼、AI 音频质检等技术，为企业提供全方位的智能客服解决方案。
小文智能是智能客服团队，提供声音克隆技术和全方位客服解决方案。
中米 AI 是一个专注于 AI 技术的团队，致力于提供关于 AI 语音克隆的知识和应用。团队在该领域拥有丰富的经验和专业知识，通过不断的研究和创新，为用户提供高质量的 AI 语音克隆解决方案。
中米 AI 是专注 AI 技术的团队，提供声音克隆解决方案，其产品稀土开发者大会 2024 是技术大会。
MARS5TTS 是 CAMB.AI 的开源 TTS 模型，采用两阶段 AR-NAR 管道，具有独特的新型 NAR 组件。只需 5 秒音频和文本片段，就能生成语音，适用于体育评论、动漫等多种场景。可通过标点和大写来引导韵律，还支持通过提供参考音频的转录进行深度克隆。
团队提供的开源 TTS 模型可复制多种语言表演，支持深度克隆，属于机器学习模型。
RVCModels 是 Hugging Face 上的一个项目，提供了多种适用于 AI 应用的 RVC 语音模型。用户可以在该项目中找到各种不同类型的模型，包括歌手、商业人士、政治家、虚构角色等。此外，项目还提供了一些教程和示例，帮助用户更好地了解和使用这些模型。
团队名称明确显示提供声音克隆技术，且语音模型隶属于机器学习，为 AI 应用产品。
AssemblyAI 专注于语音 AI 模型，其模型具有超人类的准确性，包括语音转文本、说话人检测、情感分析、章节检测、PII 编辑等功能。易于集成，定价灵活，始终保持最新，提供 24/7 客户支持。
团队提供语音转文本等多种功能的语音 AI 模型，训练于多语种数据，且易于集成。
这是一个基于 SpeechBrain 的语音识别模型，可用于提取说话人嵌入和进行说话人验证。它采用了 ECAPA-TDNN 模型结构，并在 Voxceleb 1+Voxceleb2 训练数据上进行了训练。该模型具有高效的计算性能和良好的识别准确率。
该团队提供的是基于 SpeechBrain 的语音识别模型，可用于说话人验证和提取说话人嵌入，未明确提及声音克隆功能，属于机器学习模型。
这是一个基于 SpeechBrain 的文本到语音（TTS）模型，使用 Tacotron2 在 LJSpeech 上进行训练。它可以将输入的短文本转换为输出的频谱图，然后通过声码器（如 HiFIGAN）生成最终的波形。该模型提供了安装和使用的详细说明，并且可以在 GPU 上进行推理。
团队信息提到它可实现短文本到语音的转换，使用了机器学习相关技术
ModelScope 是阿里云推出的服务，通过真人语音数据训练生成定制语音合成模型。它基于多阶段文本到视频生成扩散模型，输入描述文本，返回符合文本描述的视频，仅支持英文输入。模型由文本特征提取、文本特征到视频隐空间扩散模型、视频隐空间到视频视觉空间这 3 个子网络组成，整体模型参数约 17 亿。
ModelScope 是阿里云推出的服务，通过真人语音数据训练生成定制语音合成模型，支持多模态生成，其差异...服务对象为需要定制语音合成的用户。
audiogen-medium 是一个基于文本生成音频的自回归 Transformer LM 模型。它在原始音频波形上学习离散表示，使用 EnCodec 令牌化器。该模型具有快速生成音频的能力，同时能达到与原始模型相似的性能。
团队提供基于文本生成音频的模型，支持声音克隆，且团队明确表示提供语音合成相关服务。
speaker-diarization-3.0 是一个用于语音识别的模型，它可以对音频文件进行处理，输出说话人的分割信息。该模型基于 pyannote.audio 开发，经过了大量数据集的训练，具有较高的准确性和可靠性。
这是一个基于机器学习的语音识别模型，处理音频文件并输出说话人分割信息。