Higgs TTS 3

フィッシュオーディオドラマ3

AI モデル

複数のキャラクターシーンと長文コンテンツ向けに設計されたテキスト読み上げモデルです。マルチスピーカー生成、音声クローン、自然言語制御をサポートしており、複雑なオーディオ制作に最適です。フィッシュオーディオドラマ3は、複数のキャラクターシーンと長文コンテンツ向けに設計されたテキスト読み上げモデルです。マルチスピーカー生成、音声クローン、自然言語制御をサポートしており、複雑なオーディオ制作に最適です。

Dia-1.6B AIモデル

AI モデル

Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。Dia-1.6Bは、Nari Labsによって開発されたテキスト音声合成モデルで、16億のパラメータを特徴としています。トランスクリプトからリアルな対話を生成し、感情やトーンの制御をサポートし、非言語的な音を生成することもできます。現在、英語のみをサポートしています。

Bark AI Model

AI モデル

Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。Barkは、Sunoによって開発されたトランスフォーマーベースのテキストからオーディオへのモデルで、リアルな多言語スピーチやその他のオーディオ形式を生成することができます。推論のための事前学習済みモデルチェックポイントをサポートしています。

ソニック | AIの笑い声と感情を持つリアルタイムTTS API

AI モデル

44言語で表現力豊かな声を生成するCartesiaのリアルタイムテキスト読み上げAPIです。AIエージェントやインタラクティブアプリケーション向けに設計されており、低遅延と高品質な音声合成を提供します。ソニックは、44言語で表現力豊かな声を生成するCartesiaのリアルタイムテキスト読み上げAPIです。AIエージェントやインタラクティブアプリケーション向けに設計されており、低遅延と高品質な音声合成を提供します。

Gemini 3.8 Flash TTS と Flash-Lite TTS

AI モデル

Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。Gemini 3.8 Flash TTS と Flash-Lite TTS は、Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。

Kokoro-82M — Hugging Face

AI モデル

8200万パラメータを持つオープンウェイトのテキスト読み上げ（TTS）モデルです。高品質な音声出力を提供し、より大きなモデルよりも高速でコスト効率が良いです。Apacheライセンスのウェイトを使用しており、さまざまな環境に展開できます。Kokoro-82Mは、8200万パラメータを持つオープンウェイトのテキスト読み上げ（TTS）モデルです。高品質な音声出力を提供し、より大きなモデルよりも高速でコスト効率が良いです。Apacheライセンスのウェイトを使用しており、さまざまな環境に展開できます。

IndexTTS-2.5

AI モデル

単一の参照音声クリップから声をクローンするゼロショットテキスト音声合成モデルです。複数の言語をサポートし、言語を超えた声の転送と感情制御を提供します。IndexTTS-2.5は、単一の参照音声クリップから声をクローンするゼロショットテキスト音声合成モデルです。複数の言語をサポートし、言語を超えた声の転送と感情制御を提供します。

Boson AI

AI アプリ

#26

ビジネスにおいて重要な作業のための音声エージェントと基盤となる音声モデルを構築し、HiggsモデルとAPIを通じて100以上の言語で音声から音声へのエージェント、リアルタイムアバター、製品テキスト読み上げを提供します。Boson AIは、ビジネスにおいて重要な作業のための音声エージェントと基盤となる音声モデルを構築し、HiggsモデルとAPIを通じて100以上の言語で音声から音声へのエージェント、リアルタイムアバター、製品テキスト読み上げを提供します。