概览

基于 AI 的音频处理、语音合成和声音克隆，运行于 CLORE.AI GPU 上。

文本转语音

工具	描述	质量
Bark TTS	富有表现力的多语言 TTS	优秀
XTTS	声音克隆 + TTS	很棒
F5-TTS	快速零样本 TTS	很棒
OpenVoice	即时声音克隆	良好
Chatterbox TTS	零样本声音克隆	良好
ChatTTS	对话式文本转语音	良好
Dia TTS	多说话人对话生成	良好
Fish Speech	高质量语音合成	很棒
Kani-TTS-2	高效声音克隆 TTS	良好
Kokoro TTS	超快轻量级 TTS	良好
MeloTTS	多语言文本转语音	良好
MiniMax Speech 2.6	商业级 TTS	很棒
Qwen3-TTS	多语言声音克隆	良好
StyleTTS2	可控制风格的 TTS	很棒
Voxtral TTS	开源权重 4B TTS，9 种语言，3 秒克隆	优秀
Zonos TTS	带情感控制的声音克隆	良好

声音克隆

工具	需要训练	质量
RVC	是	优秀
OpenVoice	否	良好
XTTS	否（6 秒样本）	很棒

音频处理

工具	使用场景
Whisper	语音转文本转录
Demucs	人声分离
AudioCraft	音乐生成
Stable Audio	AI 音乐和声音生成
WhisperX	带词级时间戳的快速转录

相关指南

• Talking Heads - 用音频驱动面部动画