本站在线提供阿里巴巴 · 阿里云百炼
Qwen-Audio-3.0-TTS
用自然语言塑造语气、情绪与方言一句 instruction 调整角色感和说话方式，在文本中插入情绪、笑声等标签；复刻音色也能配合指令生成中文方言。
- 自然语言指令
- 情绪与富语言标签
- 多语言与中文方言
模型与技术
AI 语音模型资料库
声音克隆模型各有所长：有的擅长多语言，有的着重情绪表达，有的方便本地部署。从官方论文与项目文档出发，了解它们的设计思路、版本差异和实际用法。
模型资料小米 · k2-fsa 开源项目
OmniVoice
大规模语言覆盖与短音频声音克隆小米团队面向 600 多种语言的开源 TTS：3～10 秒参考音频即可复刻，另有声音属性设计、时长控制、拼音与音素纠音。
- 600+ 语言
- 短音频复刻
- 发音与时长控制
模型资料哔哩哔哩 · IndexTTS 团队
IndexTTS 1.5
稳定中英文复刻与中文多音字纠音B 站 1.x 系列的稳定性升级：改善英语合成，保留汉字与拼音混合输入，适合需要可预测发音的中英文旁白。
- 中英文
- 拼音纠音
- 稳定性升级
模型资料哔哩哔哩 · IndexTTS 团队
IndexTTS 2
同一音色，独立调整情绪表现保留一个人的音色，再从另一段参考音频提取情绪；也能通过八维情绪向量或文字描述，让角色说出不同的表演。
- 音色与情绪解耦
- 情绪参考音频
- 文字情绪描述
模型资料面壁智能 ModelBest · 清华大学 THUHCSI
VoxCPM
连续语音表示、上下文表达与高采样率输出绕开离散语音 tokenizer，直接生成连续语音表示。1.5 强调 44.1 kHz 中英文复刻，VoxCPM2 扩展到 30 种语言和 48 kHz，并加入声音设计。
- Tokenizer-free
- 上下文表达
- 1.5 / 2 版本说明
DS Speech 当前提供 Qwen-Audio-3.0-TTS 在线功能；资料库中其他模型的介绍、命令和链接用于帮助读者了解与自行部署。