Zonos是一个最新发布的文本转语音（TTS）模型，旨在通过其1.6B变压器和混合模型提供高保真的语音克隆功能。该模型的设计不仅关注生成自然流畅的语音，还致力于提升语音生成的表现力和实时性，适用于多种应用场景。
使用Zonos非常简单。用户只需输入文本，并根据需求提供说话者的音频前缀或嵌入，Zonos便会生成相应的语音输出。无论是创建有声读物，还是进行个性化的语音助手开发，Zonos都能满足用户的需求。
Zonos-v0.1的定价策略非常灵活，提供每分钟0.02美元的竞争性价格，并设有多种订阅选项，包括每月100分钟的免费使用。
Zyphra
Twitter：@zyphra，Instagram：@zyphra
Zonos-v0.1 is an advanced text-to-speech model with multilingual support, offering high-quality voice cloning and speech generation with detailed control over emotions, pitch, and speaking style.
Fuse ChatTTS with OpenVoice, upload a 10-second audio clip, and clone your personalized ChatTTS voice.
LLaSA是一种基于LLaMA模型的文本到语音（TTS）合成系统，结合了XCodec2语音编码器，支持从文本或语音提示生成语音，已在25万个小时的中英双语数据集上训练。
Llasa是一款兼容Llama框架的文本到语音（TTS）基础模型，基于160k小时的标记语音数据，广泛应用于语音合成领域，支持多种语言和语音风格。
Video-T1 explores test-time scaling (TTS) for video generation, enhancing video quality and consistency with prompts by leveraging additional inference-time computation.
An AI-powered interactive avatar engine utilizing Live2D, LLM, ASR, TTS, and RVC technologies, perfect for VTubing, streaming, and virtual assistant applications.
