GPT-SoVITS-WebUI 3 支持粵語 TTS

只要輸入 5 秒的聲音樣本，就可以體驗到 TTS 的聲音轉換，俗稱 “變聲”。而僅需要 1 分鐘的語音訓練數據，就可以微調模型，提升語音的相似度。GPT-SoVITS 目前支持英語、日語、韓語、粵語和中文。提供的 Web 工具令 TTS 操作相當方便，甚至提供歌曲與伴奏分離、自動語音訓練、中文自動語音識別(ASR)和文本標注，協助初學者創建訓練數據集和 GPT / SoVITS 模型。

強大的少樣本語音轉換與語音合成Web用戶界面。

GPT-SoVITS指南

https://github.com/RVC-Boss/GPT-SoVITS

---

AI Voice Bot from Scratch: Real-Time Conversation

Coding an AI Voice Bot from Scratch: Real-Time Conversation with Python

---

3 個步驟即執行 🤗“Parler TTS”AI 語音

3 steps to run HuggingFace 🤗 "Parler TTS" AI Voice on your local machine

---

F5-TTS 文字轉語音仿真模型

示範範例： https://SWivid.github.io/F5-TTS

GitHub – SWivid/F5-TTS: 100K 小時多語言資料集上進行訓練

表現出高度自然和富有表現力的零樣本能力、無縫代碼切換能力和速度控制效率。

F5-TTS (Best ElevenLabs Alternative Yet!): Easy Step-by-Step Installation + Demo

---

Hello2 – 高清 LipSync 工具

GitHub – fudan-generative-vision/hallo2: Hallo2: Long-Duration and High-Resolution Audio-driven Portrait Image Animation

Hallo2: Long-Duration and High-Resolution Audio-driven Portrait Image Animation – fudan-generative-vision/hallo2

---

DH-Live實時直播數字人

DH-Live实时直播数字人，全新商用项目开源，超低显存占用，人人可用！

---

CosyVoice-windows-GUI 1.2

Windows不用搭建環境只要英偉達顯卡就行，解壓即用！

支持srt導入，將字幕里的文字轉換成音頻，保持時間軸一樣；

---

Open-LLM-VTuber

透過免持語音互動、語音中斷、Live2D 臉部辨識和跨平臺本地運行的長期記憶與任何 LLM 交談

LLM 推理後端、語音辨識和語音合成器均設計為可交換。此專案可以配置為在 macOS、Linux 和 Windows 上離線運行。也支援線上 LLM/ASR/TTS 選項。

---

Speech-to-speech 語音到語音開源模組

GitHub – huggingface/speech-to-speech: Speech To Speech: an effort for an open-sourced and modular GPT4-o

Speech To Speech: an effort for an open-sourced and modular GPT4-o – huggingface/speech-to-speech

---

SenseVoice 具有音頻理解能力的音頻基礎模型

語音識別（ASR）、語種識別（LID）、語音情感識別（SER）和聲學事件分類（AEC）或聲學事件檢測（AED）

在多個任務測試集上的benchmark，以及體驗模型所需的環境安裝的與推理方式。

Mac M1 上實測，廣東話夾英文一齊都好準，不過出嘅係簡體中文！

---