Qwen2.5-Omni是一款端到端多模态模型，能够感知包括文本、图像、音频和视频在内的多种模态，同时以流式方式生成文本和自然语音响应。

这是一个基于MLX格式的文本转语音模型，支持英文和中文，由prince-canuma/Spark-TTS-0.5B转换而来。

Spark-TTS-0.5B-4-6bit 是一个基于 MLX 格式的文本转语音模型，支持英文和中文。

Spark-TTS-0.5B-fp16 是一个基于 MLX 格式的文本转语音模型，支持英文和中文。

该模型是基于MYZY-AI/Muyan-TTS-SFT转换的GGUF格式文本转语音模型，支持中文语音合成。

Kokoro是一款拥有8200万参数的开源文本转语音模型，以轻量架构提供媲美大型模型的音质，同时显著提升速度和成本效益。

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。

基于StyleTTS2-LJSpeech的克隆版本，针对英语文本转语音任务进行了优化，移除了部分依赖项以简化部署。

该模型是从HKUST-Audio/Llasa-1B转换而来的GGUF格式模型，主要用于文本转语音任务。

OuteTTS-0.3-1B是由OuteAI开发的多语言文本转语音模型，支持英语、中文、日语、韩语、法语和德语。

OuteTTS-0.3-1B 是一个支持多语言的文本转语音模型，由 OuteAI 开发，Second State Inc. 进行了量化处理。

OuteTTS-0.3-500M 是一个多语言文本转语音模型，支持英语、中文、日语、韩语、法语和德语。

OuteTTS-0.2-500M 是由 OuteAI 开发的多语言文本转语音模型，支持英语、中文、日语和韩语。

OuteTTS-0.2-500M 是一个多语言文本转语音模型，支持英语、中文、日语和韩语。

Fish Speech 1.5 是一个多语言文本转语音模型，支持多种语言，无需访问令牌即可使用。

基于microsoft/speecht5_tts微调的印地语文本转语音模型

ⓍTTS是一款语音生成模型，仅需6秒的音频片段即可克隆声音并应用于不同语言。

这是一个掸语（Shan）的文本转语音（TTS）模型，用于将掸语文本转换为自然语音。

基于SpeechT5架构的加泰罗尼亚语文本转语音模型，在Common Voice 11.0数据集上微调

HiFiGAN是一种生成对抗网络(GAN)模型，能够从梅尔频谱图生成高质量音频，适用于文本转语音系统。

基于LJ Speech数据集训练的HiFi-GAN声码器模型，用于高质量语音合成