目前支持中文的，最好的 text-to-speech 和 audio-to-text 模型是哪个？

Question

目前支持中文的，最好的 text-to-speech 和 audio-to-text 模型是哪个？

就是把文字转成音频，和把音频转成文字的

要求开源免费，可以私有化部署的

Answer 1

一、Text-to-Speech(文本转语音)
1.Tacotron 2：这是一个由谷歌开源的文本到语音模型：https://github.com/Rayhane-mamah/Tacotron-2。

2.Mozilla TTS：这是一个由Mozilla开源的文本到语音模型，支持多种语言（包括中文）：https://github.com/mozilla/TTS。

二、Audio-to-Text（音频到文本）：

1.DeepSpeech：这是一个由Mozilla开源的语音识别模型：https://github.com/mozilla/DeepSpeech。

2. Kaldi：Kaldi是一款流行的开源语音识别工具包：https://github.com/kaldi-asr/kaldi。