F5-TTS

github.com

开源语音合成模型，用流匹配实现流畅自然的零样本声音克隆，训练与推理速度快。

开源可自部署本地模型命令行LinuxWindows

GitHub ★ 15,504被推荐 1 次

访问网站 ↗

适合做什么

适合开发者做语音合成、声音克隆与 TTS 微调，也适合研究者复现与二次开发。

标签与属性

价格

特性

支持模型

平台

同类推荐

开源模型

Whisper

★ 110,133

OpenAI 开源的通用语音识别模型，支持多语言转写、翻译与语种识别，可本地运行。

开源可自部署本地模型命令行Linux

github.com2 处推荐

本地部署 / 运行

whisper.cpp

★ 54,217

OpenAI Whisper 语音识别模型的 C/C++ 高性能移植版，无依赖、可离线本地运行

开源可自部署本地模型MacWindows

github.com2 处推荐

语音合成 / 识别

faster-whisper

★ 25,703

基于 CTranslate2 的 Whisper 语音识别重实现，速度更快、显存占用更低，支持量化与本地部署。

开源可自部署有 API本地模型Linux

github.com1 处推荐

语音合成 / 识别

ElevenLabs

超写实 AI 语音平台，提供语音合成、克隆、配音与语音 Agent，支持 70+ 语言。

免费+付费有 API多模态网页

elevenlabs.io3 处推荐

开发 SDK / 工具库

NVIDIA NeMo Speech

★ 18,686

英伟达开源的语音 AI 框架，覆盖语音识别、语音合成与语音翻译，含 Nemotron 系列预训练模型。

开源可自部署多模态本地模型Linux

github.com1 处推荐

语音合成 / 识别

Retrieval-based-Voice-Conversion-WebUI

★ 38,592

开源语音音色转换（变声）框架，10 分钟语音即可训练模型，带网页界面与实时变声。

开源中文界面可自部署本地模型Linux

github.com1 处推荐