#tts

VoiceFlow 是一个高效的文本到语音（TTS）系统，它基于整流流匹配（Rectified Flow Matching）技术，旨在解决传统扩散模型在语音合成效率上的不足。该产品是其ICASSP 2024论文的官方实现，通过学习噪声与数据之间的连续流来生成高质量的梅尔频谱图，并通过流整流过程进一步优化采样轨迹，从而在有限的采样步数下实现卓越的合成质量和效率。它提供了Kaldi风格的数据组织和灵活的训练配置，并支持监督持续时间建模和实验性的语音转换功能。

Pixelle-Video 是 AIDC-AI 开发的一款 AI 全自动短视频引擎，用户只需输入一个主题，即可自动完成文案撰写、AI 生成配图/视频、语音解说、背景音乐及视频合成。它基于模块化设计和 ComfyUI 架构，支持灵活定制和多种AI模型，实现零门槛、零剪辑经验的视频创作。

VoxCPM 是一个无需分词器的文本到语音系统，通过端到端的扩散自回归架构直接生成连续语音表示，从而实现高度自然和富有表现力的语音合成。最新版本 VoxCPM2 是一个拥有20亿参数的模型，在超过200万小时的多语言语音数据上训练，支持30种语言、语音设计、可控语音克隆和48kHz录音室品质的音频输出，内置超分辨率，无需外部升采样器。