OuteTTS-0.2-500M

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。

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。

whisper-large-v3

AI モデル

自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。Whisper-large-v3は、自動音声認識および音声翻訳のための高度なモデルで、500万時間以上のデータで訓練されています。複数の言語においてパフォーマンスが向上しており、AIの開発者や研究者向けに設計されています。

Voicemaker Text to Speech

AI アプリ

#10

130言語で2,000以上の超リアルな音声を提供するAI搭載テキスト読み上げコンバーターです。ビデオ、プレゼンテーションなど、様々なコンテンツ作成ニーズに最適なTTSオーディオファイルをMP3およびWAV形式で簡単に生成・ダウンロードできます。Voicemakerは、130言語で2,000以上の超リアルな音声を提供するAI搭載テキスト読み上げコンバーターです。ビデオ、プレゼンテーションなど、様々なコンテンツ作成ニーズに最適なTTSオーディオファイルをMP3およびWAV形式で簡単に生成・ダウンロードできます。

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。

Qwen1.5-110Bモデル

AI モデル

重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。Qwen1.5-110Bは、重要な性能向上、マルチリンガルサポート、安定した32Kコンテキスト長を提供するトランスフォーマーベースの言語モデルです。高度なAIアプリケーションに最適です。

TTSMaker

AI アプリ

#26

100以上の言語と600以上の音声でテキストを自然な音声に変換し、音声をMP3またはWAV形式でダウンロードできる無料のテキスト読み上げツールおよびAI音声生成器です。TTSMakerは、100以上の言語と600以上の音声でテキストを自然な音声に変換し、音声をMP3またはWAV形式でダウンロードできる無料のテキスト読み上げツールおよびAI音声生成器です。

AnySpeech

AI アプリ

#44

50以上の言語で100以上の音声を提供し、自然な音声にテキストを変換するAIテキスト読み上げプラットフォームで、字幕生成、複数のオーディオフォーマット、APIアクセスを提供します。AnySpeechは、50以上の言語で100以上の音声を提供し、自然な音声にテキストを変換するAIテキスト読み上げプラットフォームで、字幕生成、複数のオーディオフォーマット、APIアクセスを提供します。