开源免费 OCR 文字识别工具推荐【持续更新】
OCR 文字识别（光学字符识别）技术简直是打工人的“救星”！扫描件转文字、图片提文字、截图识文字……有了靠谱的OCR工具，效率直接翻倍。今天就给大伙安利5个热门的OCR开源项目，免费好用还强大，从此跟手动打字说拜拜～
文本转语音在线工具
TTSMaker
网站简介：
TTSMaker 是一款免费在线文本转语音工具，支持多语言、多音色选择，用户可将文字快速转换为自然流畅的语音文件，适用于教育、内容创作及无障碍阅读等场景。
功能亮点：
- 完全免费使用：无需注册即可生成语音，无强制付费墙。
- 多语言支持：涵盖中文、英文、日语、韩语等数十种语言。
- 丰富音色选择：提供多种性别与风格的语音合成声音。
- 高导出灵活性：支持 MP3 格式下载，可自定义语速与音量。
- 批量处理能力：允许一次性转换较长文本（最高 5000 字符）。
Text To Speech（text-to-speech.cn）
网址：https://www.text-to-speech.cn/
网站简介：
该平台专注于中文文本转语音服务，界面简洁，操作便捷，适合普通用户快速生成高质量语音内容，尤其优化了普通话发音的自然度。
功能亮点：
- 中文优化引擎：针对普通话进行语音合成调优，发音更地道。
- 一键生成语音：输入文字后即时播放并支持下载。
- 多角色音色：提供男声、女声、儿童声等不同风格选项。
- 无广告干扰：界面干净，用户体验流畅。
- 本地化部署选项：部分版本支持私有化部署（需联系服务商）。
text-to-speech.online
网址：https://text-to-speech.online/
网站简介：
这是一个轻量级国际 TTS 工具，支持主流语言的文本朗读，强调快速响应与跨平台兼容性，适合临时语音生成需求。
功能亮点：
- 极简操作流程：粘贴文本 → 选择语言 → 播放/下载，三步完成。
- 多语言覆盖广：支持超过 30 种语言及方言变体。
- 浏览器内直接运行：无需安装插件或软件。
- 免费基础服务：日常使用基本功能完全免费。
- 响应速度快：依托云端合成引擎，延迟低。
Luvvoice
网站简介：
Luvvoice 提供高拟真度的 AI 语音合成服务，主打情感化与自然语调，适用于有声书、短视频配音等对语音表现力要求较高的场景。
功能亮点：
- 情感语音合成：支持“开心”“悲伤”“温柔”等情绪语调调节。
- 超自然发音：采用神经网络 TTS 技术，接近真人朗读效果。
- 长文本支持：可处理数千字的连续文本，保持语义连贯。
- 商用授权明确：提供清晰的版权与商用使用条款。
- API 接入能力：支持开发者集成到自有应用中。
Ondoku
网址：https://ondoku3.com/zh-hans/
网站简介：
Ondoku 是一款日本开发的多语言 TTS 工具，界面友好，特别适合日语与中文用户，兼顾免费使用与基础定制功能。
功能亮点：
- 日中双语强支持：日语发音准确，中文也具备良好表现。
- 每日免费额度：注册后每日可免费生成一定字符数的语音。
- 语速/音调调节：用户可微调语音参数以适应不同场景。
- MP3 下载便捷：生成后直接提供音频文件下载链接。
- 支持 SSML（部分）：高级用户可使用简单标记控制停顿与重音。
接口服务商汇总
讯飞（科大讯飞）在线语音合成
网址：https://www.xfyun.cn/service/online_tts
网站简介：
作为国内领先的智能语音技术提供商，讯飞的 TTS 服务以高自然度、高稳定性著称，广泛应用于客服、教育、车载等领域。
功能亮点：
- 业界领先的中文合成质量：发音标准、语调自然，支持多方言。
- 丰富音色库：包含新闻播报、客服、童声等多种专业音色。
- 高并发与低延迟：适合企业级实时语音合成需求。
- 支持 SSML 与情感合成：精细控制语音表现力。
- 完善的 SDK 与 API：提供全平台开发支持，文档齐全。
阿里云 智能语音交互 – TTS
网址：https://ai.aliyun.com/nls/tts
网站简介：
阿里云 TTS 基于深度学习模型，提供高可用、高并发的语音合成服务，适用于大规模商业应用场景。
功能亮点：
- 端到端神经网络合成：语音自然流畅，接近真人水平。
- 支持定制音色：企业可训练专属发音人。
- 多语言 & 多场景音色：覆盖中英日韩等语言及客服、导航等场景。
- 高稳定性 SLA 保障：99.9% 可用性，适合生产环境。
- 无缝集成阿里云生态：与函数计算、OSS 等服务联动便捷。
腾讯云 语音合成（TTS）
网址：https://cloud.tencent.com/product/tts
网站简介：
腾讯云 TTS 提供低延迟、高自然度的语音合成能力，结合腾讯在社交与内容领域的积累，优化了娱乐与互动场景下的语音表现。
功能亮点：
- 多样化音色选择：包括明星语音、动漫角色等特色音色（部分需授权）。
- 毫秒级响应：适合实时对话、游戏 NPC 等低延迟场景。
- 支持长文本合成：自动分段处理，保持语义连贯。
- 按量计费灵活：新用户享免费额度，成本可控。
- 安全合规：符合国内数据安全与隐私保护要求。
百度 AI 语音合成
网址：https://ai.baidu.com/tech/speech/tts
网站简介：
百度 TTS 依托文心大模型技术，提供高表现力的语音合成服务，强调语义理解与语音表达的深度融合。
功能亮点：
- 基于大模型的语义驱动合成：根据上下文调整语调与节奏。
- 百种音色可选：涵盖通用、情感、方言、外语等类型。
- 支持富文本控制：通过 SSML 实现精细发音控制。
- 免费试用额度充足：适合开发者快速验证方案。
- 移动端优化：提供轻量级 SDK，适配 Android/iOS。
微软 Azure AI 语音服务（TTS）
网址：https://azure.microsoft.com/zh-cn/products/ai-services/ai-speech
网站简介：
Azure 的神经 TTS 服务提供全球领先的多语言、高保真语音合成，支持高度定制化，适用于国际化企业应用。
功能亮点：
- Neural TTS 技术：语音自然度达行业顶尖水平。
- 超 270 种音色 & 140+ 语言：覆盖全球主要市场。
- 自定义神经语音（Custom Neural Voice）：可创建品牌专属声音。
- 实时流式合成：支持边生成边播放，降低等待时间。
- 企业级安全与合规：符合 GDPR、HIPAA 等国际标准。
谷歌云 Text-to-Speech
网址：https://cloud.google.com/text-to-speech?hl=zh-CN
网站简介：
Google Cloud TTS 利用 WaveNet 深度神经网络技术，生成极其自然的人类语音，广泛用于全球开发者项目。
功能亮点：
- WaveNet 音频质量：比传统 TTS 更接近真人发音。
- 支持 SSML 与音频配置：精细控制停顿、重音、语速等。
- 多语言混合合成：同一段文本可混合多种语言发音。
- 按字符计费：透明定价，首月免费额度高。
- 全球低延迟接入：依托 Google 全球基础设施。
火山引擎 语音合成
网址：https://www.volcengine.com/product/tts
网站简介：
火山引擎 TTS 由字节跳动推出，结合其在短视频与直播领域的经验，提供高表现力、低延迟的语音合成服务。
功能亮点：
- 短视频场景优化：音色活泼、节奏感强，适合口播类内容。
- 支持情感与风格切换：如“新闻”“客服”“解说”等模式。
- 高并发处理能力：支撑抖音等亿级用户产品验证。
- 提供试听与调试工具：网页端可实时调整参数预览效果。
- 与字节生态深度集成：便于在抖音、剪映等平台联动使用。
AWS Polly
网址：https://aws.amazon.com/polly/
网站简介：
Amazon Polly 是 AWS 提供的云 TTS 服务，以高可用性、多语言支持和逼真语音著称，适合构建全球化应用。
功能亮点：
- 基于深度学习的 Lifelike 语音：支持多种神经语音（NTTS）。
- 支持 60+ 语言 & 方言：包括中文普通话、粤语等。
- 流式输出（Streaming Synthesis）：减少端到端延迟。
- 与 AWS 生态无缝集成：如 Lambda、S3、Lex 等服务联动。
- 长期稳定运行：被 Netflix、BMW 等企业广泛采用。
开源 TTS 项目
Fish Speech
网址：https://github.com/fishaudio/fish-speech
简介：
Fish Speech 是一个开源的端到端语音合成项目，强调高质量、低资源消耗，支持中文语音生成，适合本地部署与研究。
亮点：
- 完全开源免费：MIT 许可，可商用。
- 中文优先设计：针对中文语料优化模型结构。
- 支持推理与微调：提供训练脚本与预训练模型。
- 轻量化部署：可在消费级 GPU 或 CPU 上运行。
- 社区活跃：持续更新，文档较完善。
CosyVoice
网址：https://github.com/FunAudioLLM/CosyVoice
简介：
由 FunAudioLLM 团队开发的开源 TTS 系统，主打“零样本”语音克隆与多语言合成，适合个性化语音生成场景。
亮点：
- 零样本语音克隆：仅需一段参考音频即可模仿说话人音色。
- 支持中英日韩等多语言：跨语言合成能力强。
- 情感与韵律控制：可调节语音的情绪与节奏。
- 提供 WebUI：非开发者也可通过图形界面使用。
- 基于 VITS 架构改进：生成质量高，训练效率优。
F5-TTS
网址：https://github.com/SWivid/F5-TTS
简介：
F5-TTS 是一个基于流匹配（Flow Matching）与对比学习的先进开源 TTS 模型，追求极致语音自然度与鲁棒性。
亮点：
- 前沿架构：融合 Flow Matching 与扩散模型思想，提升稳定性。
- 高保真输出：音频细节丰富，背景噪声少。
- 支持指令微调：可通过文本指令控制语音风格。
- 模块化设计：便于研究者替换组件进行实验。
- 支持长文本合成：内置文本分段与拼接策略。
相关图书
重复文件查找 工具：Find.Same.Images.OK、dupeGuru、Czkawka
由于日常收集整理需求量比较大，J.Cling最近找了三款市面上比较火的免费的 重复文件查找 工具进行测试，分别是Czkawka｜dupeGuru｜Find.Same.Images.OK 准备工作：包含同样数量图片的，以图片大小降序进行排列：三款查找工具分别扫描该文件夹 ...
