🏷️ 语音合成

免费开源TTS模型Confucius 4-TTS：本地声音克隆实战与WeSight集成

文章介绍了如何利用网易有道开源的免费TTS模型Confucius 4-TTS实现本地声音克隆。作者展示了将该模型集成到WeSight桌宠中，实时使用复刻音色进行任务播报的过程。该模型仅1.3B大小，支持14种语言的无参考文本克隆，并提供了详细的本地部署代码及在Mac和远程服务器上的运行方案。

HyperFrames + F5：批量文章转视频实战

本文详述了一套将技术文章批量转化为带克隆旁白视频的自动化工作流。作者通过结合 HyperFrames 与 F5-TTS，将文章拆解为口播脚本，针对不同技术风格定制视频界面，并重点解决了文本对齐、技术术语发音及字体显示等常见问题，提供了完整的从脚本到成片的质量验收标准。

ElevenLabs 推出 Dubbing V2：端到端 AI 配音模型

ElevenLabs 发布全新 Dubbing V2 端到端 AI 配音模型。该模型摒弃了传统的“转写-翻译-合成”三段式流程，直接基于原始表演进行声音建模。它支持 90 多种语言和口音，能完美保留原说话人的音色、情绪、呼吸节奏及身份特征，实现音色穿越和情绪保真。同时支持音频、视频及文字输入，提供限时免费体验。