语音合成相关工具、教程与提示词

汇集语音合成主题下已发布的工具、教程、提示词与场景资料,帮助你了解用途、使用条件及操作方法。

自动化工作流

✧

Dify|中国历史专家播客工作流

一套在Dify中导入后可将历史主题文本交由大模型生成播客脚本并调用语音合成工具转成音频的工作流草稿,适合想快速试做历史科普播客内容的自媒体和个人创作者。

工作流 语音合成Dify播客
获取方式待核验 · 国内可用性待核验
使用难度待核验
✧

Dify|诗句封面+语音播报

在Dify中导入后,根据用户输入生成诗句封面图并合成语音播报的对话式工作流,适合做诗词分享或多媒体内容演示。

工作流 文生图语音合成Dify工作流
获取方式待核验 · 国内可用性待核验
使用难度待核验
✧

Dify|文生视频与TTS语音播报工作流

在Dify中导入的高级对话工作流,接收一段提示词后调用大模型扩写并请求智谱文生视频服务,再通过HTTP请求生成语音播报,适合制作带旁白的短视频草稿。

工作流 语音合成文生视频多模态
获取方式待核验 · 国内可用性待核验
使用难度待核验
✧

儿童故事绘本文生视频语音合成版|按分镜生成绘本图片并合成配音动画视频

把儿童故事整理成分镜提示词并生成插画,再合成带语音的动画绘本视频,适合想批量制作儿童故事短片的内容创作者与家长使用。

工作流 语音合成文生视频多模态
获取方式待核验 · 国内可用性待核验
使用难度待核验
✧

FLUX绘画机器人|多模态识图与语音播报的对话式出图工作流

在Dify中通过对话输入绘画需求,由大模型生成FLUX提示词并调用绘图接口出图,同时支持识别上传图片内容并用语音念出回复。

工作流 文生图语音合成Dify工作流
获取方式待核验 · 国内可用性待核验
使用难度待核验

AI 工具

s
github

sherpa-onnx|离线语音识别与合成开发套件

在本地离线运行语音识别、语音合成、说话人分离、语音增强和语音活动检测等功能的跨平台语音开发套件,适合把语音能力集成进手机、嵌入式设备和桌面程序的开发者。

语音处理与翻译跨平台(Linux、Windows、macOS、Android、iOS、HarmonyOS、WebAssembly 等),以开发库形式提供
使用难度
站长实测状态尚未登记
V
外部应用

VoiceStudio|本地优先的多引擎语音工作台

一个开源、以本地运行为优先的AI语音工作台,把多款语音合成与语音识别引擎聚合在一起,可做零样本音色克隆、视频配音和有声书制作,适合想自建语音工具的创作者与开发者。

语音处理与翻译本地部署,具体支持的操作系统与硬件要求待核验
使用难度
站长实测状态尚未登记
G
外部应用

Gemini 3.8 TTS|多说话人情感可控的语音合成模型

Google DeepMind 推出的原生多模态语音合成模型,支持多说话人与情感、语气控制,面向需要自然语音输出的对话助手和内容创作者,可通过接口调用并在线调试。

声音克隆与变声网页 playground 与 API 调用
使用难度
站长实测状态尚未登记
A
外部应用

Amphion|开源音频、音乐与语音生成工具包

一套面向音频、音乐和语音生成的开源工具包,适合研究人员和开发者做语音合成、歌声转换等实验,也提供在线体验入口。

语音合成TTSGitHub 开源项目;提供在线演示
使用难度
站长实测状态尚未登记
f
外部应用

fish-speech|少样本声音克隆语音合成

只需提供约十到三十秒的声音样本,就能合成接近该音色的语音,适合做配音、有声内容和语音应用原型的中文用户。

语音合成TTS待核验(以项目文档标注的支持环境为准)
使用难度
站长实测状态尚未登记
C
外部应用

CosyVoice|开源多语言语音合成模型

阿里开源的一套语音合成模型,可将文本合成为自然语音,并支持基于参考音频的音色复刻,适合研究者和开发者本地部署做语音生成实验。

语音合成TTS本地部署(Python环境)
使用难度
站长实测状态尚未登记
C
外部应用

ChatTTS|面向对话场景的中英文文本转语音模型

一个专为大语言模型对话场景设计的中英文语音合成模型,生成语音节奏自然,适合做 AI 助手语音播报和对话类应用的开发者本地部署尝试。

语音合成TTS本地部署,运行环境以仓库文档为准
使用难度
站长实测状态尚未登记
配
外部应用

配音神器|网页与Windows端语音合成工具

配音神器提供网页端和 Windows 客户端,用于将文字转换为语音,操作较为方便,适合需要制作配音的普通用户与内容创作者。

语音合成TTS网页端、Windows 客户端
使用难度
站长实测状态尚未登记
火
外部应用

火山引擎TTS|云端文本转语音合成服务

火山引擎提供的云端语音合成服务,可将文字转换成自然语音,适合需要为视频、客服、有声内容批量生成配音的开发者和企业用户。

语音合成TTS云服务(Web控制台与API/SDK)
使用难度
站长实测状态尚未登记