多语言支持
Fish Speech 1.5
Fish Speech 1.5是一款基于深度学习的文本转语音(TTS)工具,支持多语言文本输入,通过Transformer、VITS、VQVAE和GPT等技术实现高质量语音合成。它具备零样本和少样本语音合成能力,延迟时间短,无需依赖音素,泛化性强,且支持本地化部署。Fish Speech 1.5可应用于有声读物、辅助技术、语言学习及客户服务等多个领域。
Adobe Firefly
Adobe Firefly 是 Adobe 开发的一系列生成式 AI 工具,支持图像生成、编辑、视频生成及编辑等功能。它通过深度学习算法和自然语言处理技术,实现从文本到图像或视频的快速转化,同时支持多语言操作,适用于创意设计、视频制作、企业内容生产等多个场景,助力用户提升工作效率与创意表达能力。
FunAudioLLM
FunAudioLLM是由阿里巴巴通义实验室开发的开源语音大模型项目,包含SenseVoice和CosyVoice两个子模型。SenseVoice擅长多语言语音识别和情感辨识,支持超过50种语言;CosyVoice则专注于自然语音生成,支持多种语言、音色和情感控制。该项目适用于多语言翻译、情感语音对话等场景,其相关模型和代码已公开发布。
