微软开源中文 TTS，男声女声，RTF 0.5x，Agent 通过 SSH 一键生成并播放

10语言全覆盖、97ms流式延迟、3秒声音克隆，中文TTS天花板，Apache 2.0商用免费

微软删除官方推理代码后，社区补上的完整 MLX 实现。支持 1.5B/7B 语音合成、零样本语音克隆、量化加速。

OpenBMB 开源的 2B 参数文本转语音模型，支持 30 语言、Voice Design 声音设计、可控声音克隆，48kHz 输出，Apache-2.0 可商业使用

OpenBMB 开源 2B 无分词器 TTS，支持30语言、Voice Design、声音克隆，附 CLI 和 FastAPI HTTP 服务完整用法，可直接给 Agent 调用

5秒样本零样本TTS，1分钟数据微调即可克隆声音。支持中英日韩粤跨语言推理，集成WebUI工具链，58k Stars

150倍实时速度，48kHz高清音质，3秒参考音频克隆声音，Apache 2.0免费商用

中文口播稿出海东南亚怎么配音？覆盖云端统一方案(Qwen-Audio-3.0-TTS/ElevenLabs/MiniMax/豆包)、开源单模型(Scicom/Confucius4)和各语种专用模型(JaiTTS/VieNeu-TTS/Malaysian-TTS)，含选型矩阵

微软删除官方 TTS 推理代码后，社区 fork 保留的 PyTorch 完整实现。支持单卡/多卡推理、语音克隆、Gradio Demo。

7 引擎 TTS + 语音克隆 + 全局语音输入，本地运行零隐私泄露

开源AI短视频生成与自动发布工具，支持LLM文案生成、多平台TTS配音、ffmpeg混剪、Selenium自动发布

开源 AI 短剧自动化生产平台，从剧本生成、角色设计、分镜制作到视频合成全流程自动化。支持多厂商图片/视频/TTS 适配，10.2k Stars。

微软开源的前沿语音AI模型，支持60分钟长音频识别和90分钟多说话人语音合成

开源高性能聊天机器人框架，支持多模态对话、语音交互和可扩展插件，一键部署私有 ChatGPT。

开源本地语音合成工作室，ElevenLabs 的免费替代品，支持 23 种语言

字级配音同步、七层反PPT镜头系统、三重验收自动返工，把Claude Code/Codex变成口播视频动效工作室

MiniMax 官方 CLI，支持文本/图像/视频/语音/音乐生成，AI 代理原生集成

输入一个主题，AI 自动完成文案、配图、配音、视频合成，零门槛创作短视频

只需一个主题关键词，AI全自动生成视频文案、素材、字幕、背景音乐，合成高清短视频

首个开源 Agentic 视频制作系统，12条流水线、52个工具、500+Agent技能，将AI助手变为视频工作室。