Kokoro是一款拥有8200万参数的开源文本转语音（TTS）模型，以其轻量级架构和高音质著称，同时具备快速和成本效益高的特点。

ⓍTTS是一款革命性的语音生成模型，仅需6秒音频片段即可实现跨语言音色克隆，支持17种语言。

F5-TTS 是一个基于流匹配的语音合成模型，专注于流畅且忠实的语音合成，特别适用于童话讲述等场景。

BigVGAN是基于大规模训练的通用神经声码器，能够从梅尔频谱生成高质量音频波形。

基于LibriTTS数据集微调的SpeechT5语音合成(文本转语音)模型，支持高质量的文本转语音转换。

Dia是由Nari实验室开发的16亿参数文本转语音模型，能够直接从文本生成高度逼真的对话，支持情感和语调控制，并能生成非语言交流内容。

CSM是Sesame开发的10亿参数规模语音生成模型，可根据文本和音频输入生成RVQ音频编码

Kokoro 是一个开放权重的小型但功能强大的文本转语音（TTS）模型系列，新增了来自专业数据集的100名中文说话人数据。

Indic Parler-TTS 是 Parler-TTS Mini 的多语言印度语言扩展版本，支持21种语言，包括多种印度语言和英语。

Bark是由Suno创建的基于Transformer的文本转音频模型，能生成高度逼真的多语言语音、音乐、背景噪音和简单音效。