语音模型

PyTorch Hub 按任务类型整理预训练模型，提供模型发现、说明和发布贡献入口，覆盖视觉、语言、音频、生成与视频等研究和开发方向。

GPUX围绕GPU资源提供Serverless模型推理与部署入口，展示图像、语音等模型运行方式，并介绍私有模型请求交付和应用入口。

MaskGCT是Amphion项目中的非自回归文本转语音模型，公开目录提供预训练权重与本地推理步骤，用户可通过Gradio、Jupyter Notebook或推理脚本使用语音生成流程。

Fish Speech是Fish Audio公开提供的语音生成模型与推理代码项目，支持文本生成语音、参考音色克隆、多说话人内容及自然语言风格控制，并提供命令行、API和WebUI使用说明。

OpenVoice是由MyShell相关团队公开发布的语音克隆项目，提供V1、V2模型与使用说明，支持参考音色克隆、多语言语音生成以及情绪、口音和节奏等风格控制。

商汤日日新是商汤科技提供的模型与 API 服务平台，面向应用开发者开放语言、多模态、语音及向量等模型能力，按官方流程接入业务。