
T5Gemma エンコーダー・デコーダー型LLMをベースにした、声質クローンと発話時間制御に対応する多言語音声合成モデル。
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
312
±0 (10月13日〜)
最終コミット
2026年11月
GitHub での作成日
2025年12月13日
掲載日
—
ページ作成時から掲載
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | — |
| 2026年5月 | — |
| 2026年6月 | — |
| 2026年7月 | — |
| 2026年8月 | — |
| 2026年9月 | 312 |
| 2026年10月 | 312 |
| 2026年11月 | 312 |
各月の最後のスナップショット。Star 数は 1,000 以上では 100 単位に丸められています。
同じカテゴリで人気のリソース
Step-Audio-EditXstepfun-ai980強力な30億パラメータのLLMベース強化学習音声編集モデルで、感情・話し方・パラ言語情報の編集に優れ、堅牢なゼロショット音声合成機能も備える。
GPT-SoVITSRVC-Boss62kわずか1分の音声データでも、優れた音声合成モデルを学習できる!(少数サンプルによる声質クローン)
barksuno-ai39k🔊 テキストプロンプトによる生成音声モデル。
VoxCPMOpenBMB38kVoxCPM2:トークナイザー不要の音声合成で、多言語音声生成・クリエイティブな音声デザイン・実物さながらの声質クローンを実現。
OpenVoicemyshell-ai38kMIT と MyShell による即時声質クローン。音声基盤モデル。
fish-speechfishaudio33k最先端のオープンソース音声合成。
研究分野が近いリソース
sarashina2.2-ttssbintuitions90Sarashina2.2-TTSは、SB Intuitionsによって開発された大規模な言語モデルをベースにした日本中心のテキスト読み上げシステムです。GitHub共通: 音声合成・大規模言語モデル(LLM)
Emoji-TTSiron-mukakin52Irodori-TTSのフォークです。LLM-Studioなどを使ったキャプション生成ツールや、モデルをマージするツールが含まれています。また、連続生成や音声品質の調整といった機能により、推論機能も強化されています。GitHub共通: 音声合成・大規模言語モデル(LLM)- spoken-magpie-jaAtotti648Spoken‑magpie LLM用の日本語インストラクション・チューニングデータセット。CosyVoice2 TTSを10枚のNVIDIA H200 GPUで構築し、500文字以内のプロンプトに対して多様な話者音声とオーディオ応答を提供。サンプルは公開されている50件です。HF データセット共通: 音声合成・大規模言語モデル(LLM)
- japanese-gpt-neox-smallrinna656kCC‑100、C4、Wikipedia で学習された12‑layer、768‑hidden の日本語 GPT‑NeoX モデル。Huggingface と互換性があり、各文の末尾に必ず笑顔の絵文字を付けるオプションのトイプレフィックス調整ウェイトが付属しています。HF モデル共通: 大規模言語モデル(LLM)
- Spark-X2.5-4B-Heretic-jp-ggufsoyaakinohara589kHeretic JPに適応されたSpark‑X2.5‑4Bモデル(Japanese‑adapted Spark‑X2.5‑4B model)で、拒否抑制、事前学習、指示調整およびツール呼び出し修復が組み込まれており、BF16からQ4_K_MまでのGGUF量子化版(約2.5 GiB)が利用可能です。1,048,576トークンコンテキストでllama.cppを介して使用できます。HF モデル共通: 大規模言語モデル(LLM)
chatterboxresemble-ai27k最先端のオープンソース音声合成。共通: 音声合成