CosyVoice

RVC-Boss

GPT-SoVITS

GPT-SoVITS 是一个少样本语音克隆与 TTS 工具，只需 1 分钟语音数据就能训练出可用的语音合成模型。它适合为视频配音或虚拟角色快速定制音色，用 Python 运行，采用 MIT 许可。

coqui-ai

TTS

Coqui TTS 是一个基于深度学习的语音合成工具箱，帮开发者在 Python 项目里快速搭建 TTS 能力，已在研究与生产环境中经过验证。典型用法是加载预训练模型，把文本直接合成语音，或用自有数据微调音色。

2noise

ChatTTS

ChatTTS 是一个面向日常对话场景的生成式语音合成模型，用 Python 编写，主要解决对话语音听起来生硬、不自然的问题。它适合为聊天机器人或语音助手生成口语化的对白音频，让合成语音更接近真人交谈的节奏。

OpenBMB

VoxCPM

VoxCPM 是一个开源语音合成模型，无需 tokenizer 即可生成多语言语音，并支持创意音色设计与高保真克隆。它适合在 Python 项目中通过 SDK 或 CLI 快速接入，典型场景是为视频、播客或游戏批量生成自然的多语言配音。

myshell-ai

OpenVoice

OpenVoice 是 MIT 与 MyShell 开源的语音克隆模型，只需一段参考音频就能复制音色，并支持跨语言合成。典型场景是给已有文本配音：用短样本克隆目标音色，再调整情感与节奏，快速生成多语言语音。

babysor

MockingBird

这是一个用 Python 实现的语音克隆与实时语音合成项目，只需几秒的参考音频就能复制音色，让模型用该声音朗读任意文本。它适合在本地搭建 TTS demo，例如给视频配音或制作个性化语音助手。