標籤：TTS

Gemini 3.8 語音模型登場：一句提示建聲線

2026-09-28 技術

Google 於 2026 年 9 月 23 日推出 Gemini 3.8 Flash TTS 與 Flash-Lite TTS 兩款文字轉語音模型，開發者可用自然語言提示從零建立角色聲線，並在劇本編輯器內逐句指導演出。模型支援超過 100 種語言，內建 SynthID 水印與語音同意驗證機制。

閱讀更多

Voicebox 開源：5.5 萬星本地語音工作室

2026-09-22 技術

Voicebox 是開源的本地 AI 語音工作室，在 GitHub 累積 5.5 萬顆星標與 269 萬次下載。本文整理其 7 套 TTS 引擎、23 種語言、MCP 語音輸出與跨平台 GPU 支援，並分析它如何在單一應用內同時涵蓋語音合成與聽寫輸入。

閱讀更多

Real-Time-Voice-Cloning 開源解析：5 秒複製人聲的經典

2026-09-09 技術

Real-Time-Voice-Cloning 是擁有 60,126 星標的經典開源語音克隆項目，基於 SV2TTS 架構，只需 5 秒音檔即可複製人聲並即時合成語音。本文解析其 GE2E、Tacotron、WaveRNN 三階段架構、核心技術亮點、安裝方式與生態定位，並比較其與 2026 年新方案的差異。

閱讀更多

45,908 星開源項目：Coqui TTS — 深度學習文字轉語音引擎

2026-08-18 技術

Coqui TTS 是 GitHub 星標逾 4.5 萬的開源深度學習文字轉語音（TTS）項目，支援逾 1,100 種語言的預訓練模型，提供語音克隆、多語種模型與低延遲串流能力，MPL-2.0 授權，專為研究與生產環境打造的先進語音合成引擎。

閱讀更多

60,916 星開源項目：GPT-SoVITS — 語音克隆與文字轉語音工具

2026-08-16 技術

GPT-SoVITS 是 GitHub 星標逾 6 萬的開源語音克隆與文字轉語音項目，僅需 5 秒參考音訊即可零樣本合成語音，1 分鐘訓練資料即可微調出高相似度聲線，支援中英日韓粵五種語言跨語合成，MIT 授權，提供 WebUI 一站式工具鏈，2024 年 1 月發布至今持續更新。

閱讀更多

52,713 星開源項目：VibeVoice — 微軟開源語音 AI 家族

2026-08-16 技術

微軟開源語音 AI 家族 VibeVoice 在 GitHub 累積 52,713 顆星標，涵蓋 60 分鐘長語音辨識、90 分鐘多說話人語音合成與即時串流語音模型，採 MIT 授權，並整合 Azure AI Foundry 與 Hugging Face Transformers 生態。

閱讀更多

102,100 星開源項目：MoneyPrinterTurbo — AI 短片生成工具

2026-08-08 技術

MoneyPrinterTurbo 是開源一站式 AI 短片生成工具，GitHub 星標超過 102,000 顆，輸入主題即可自動生成腳本、匹配素材、合成字幕與背景音樂並輸出高清影片，支援 WebUI、API、CLI 與 AI Agent 四種方式，採用 MIT 許可證。

閱讀更多