我要投稿

01

阿里开源 CosyVoice 2.0

阿里巴巴通义实验室推出的 CosyVoice 2.0 这个 AI 语音生成神器。它不仅在多语言支持、语音克隆、情感控制等方面表现出色，还首次实现了双向流式语音合成，适用于直播、客服等对响应速度要求极高的场景。

① 多语言与跨语言生成

CosyVoice 支持中、英、日、韩等 10+ 语言的语音合成，并实现跨语言语音生成，例如用中文输入文本直接生成英语语音，无需额外翻译步骤。

开源地址：https://github.com/FunAudioLLM/CosyVoice

② 零样本语音克隆

仅需 3 秒的语音样本，即可克隆目标音色，生成自然流畅的语音，且支持对音色、语速、情感的精细化调节。

③ 双向流式语音合成

突破传统 TTS 的延迟限制，支持实时流式输出，适用于直播、客服等对响应速度要求极高的场景。

④ 富文本与情感控制

通过自然语言指令（如“用欢快的语气强调第二句”）实现语音的韵律、情感控制，让合成语音更贴近真人表达。

02

零门槛克隆声音 AI 神器 Seed-VC

用 AI 一键模仿偶像的声音唱歌，或将影视角色配音替换成自己的音色。Seed-VC 开源项目，正是这样一个能实现“声音自由”的黑科技工具，无需训练、操作简单，连小白也能玩转！

开源地址：https://github.com/Plachtaa/seed-vc

它基于 SEED-TTS 架构开发的零样本语音/歌声转换模型。仅凭 1~30 秒的参考音频，就能克隆目标音色，并实时应用于语音或歌曲转换。

无论是将普通说话转为明星音色，还是翻唱周杰伦的歌曲，都能轻松实现，满足配音、翻唱、视频二创等需求。

03

声音克隆神器：MaskGCT

由港中大（深圳）联手趣丸科技联合推出了新一代大规模声音克隆神器，MaskGCT。

与先有的文本转语音模型相比，MaskGCT 生成的语音更自然、更连贯。而且这个开源模型，支持控制生成的语音的总长度、语速、停顿、预期等特征，可以修改已经生成的语音或者支持声音克隆。

开源地址：https://github.com/open-mmlab/Amphion/tree/main/models/tts/maskgct

可以通过声音来辨别人目前处于何种情绪状态，比如愤怒、开心、恐惧等，MaskGCT 对此也实现了精准模拟

MaskGCT 的架构

MaskGCT（Masked Generative Codec Transformer）的全新非自回归式（NAR）文本到语音（TTS）模型。MaskGCT 的设计旨在解决传统自回归（AR）和非自回归（NAR）TTS系统的不足之处。

MaskGCT采用了两阶段架构：第一阶段模型使用文本预测从语音自监督学习模型中提取的语义 tokens；第二阶段则在语义 tokens 的条件下生成声学 tokens。

MaskGCT 能够实现在没有对齐监督的情况下，可以直接合成出高质量的语音。

支持语音内容编辑，借助遮罩与预测机制，通过对语义tokens的部分遮罩，MaskGCT可以实现零样本语音内容编辑。

能够语音转换，MaskGCT 支持零样本语音转换，能够根据参考音频将源语音转换为目标语音的音色，而保持语义内容不变。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-07-30

Coze vs Dify：一场AI开发平台的「顶流」对决战

2025-07-30

盘点一下上半年工作用到的AI产品和技术

2025-07-30

Dify之外的新选择？开源版Coze部署初体验，真香警告！

2025-07-30

扣子（Coze）开源了！你发现了哪些商业机会？

2025-07-30

开源≠无条件免费：Coze、Dify和n8n协议背后的博弈

2025-07-29

智谱放大，源神又启动啦

2025-07-29

GLM-4.5 发布，六大主流模型混战测评，谁能一键生成“ 真·可用 ”的应用？

2025-07-29

Coze既可开源也能本地部署，n8n和coze哪家强？

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

实测Qwen3-Coder，这就是目前最强的开源编程模型

2025-07-23

看大厂PM，如何玩转多个智能体开发平台

2025-06-17

53AI Hub重磅开源！让99%的智能体开发者赚到钱！

2025-06-17

Qwen3-Coder开源：面向世界的智能编程引擎

2025-07-23

Kimi K2详测，Claude国产平替有了

2025-07-14

Kimi K2 详测｜超强代码和Agent 能力！内附Claude Code邪修教程

2025-07-12

刚刚，DeepSeek开源新版R1，媲美OpenAI最高o3模型

2025-05-29

豆包电脑版不讲武德降维打击本地部署AI知识库的开源选手

2025-05-12

事实证明千问qwen3小模型才是企业的生产力，他究竟能做什么呢？

2025-05-14

重磅：GitHub Copilot 开源 - 微软Build 2025开场即高潮

2025-05-20

大家都在问

扣子（Coze）开源了！你发现了哪些商业机会？

2025-07-30

GLM-4.5 发布，六大主流模型混战测评，谁能一键生成“ 真·可用 ”的应用？

2025-07-29

Coze既可开源也能本地部署，n8n和coze哪家强？

2025-07-29

AI Agent 新选择：Coze Studio 开源上手实录，能替代 Dify 吗？

2025-07-28

Coze 开源了，对公安/政务行业用户的潜在影响和机会？

2025-07-28

从京东内部走出的开源Agent，能成为标准定义者吗？

2025-07-27

“扣子开源”深度解析：为什么它比Dify更适合企业级AI开发？

2025-07-27

一天时间Star飙升到4.1K的Coze Studio到底开源了什么？

2025-07-27

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

推荐 3 个 yyds 声音克隆开源项目

01

02

03