日本語のTTSモデル tsukuyomi‑wavlm は、tsukuyomiコーパスの100発話に対して300エポックでファインチューニングされ、WavLMディスクリミネーターとA1/A2/A3プロソディ特徴をVITSアーキテクチャ上で使用し、22.05kHzの合成を生成する61 MBのONNXファイルとしてエクスポートされます。
他の言語の説明
統計
2026年11月16日時点の統計
Hugging Face のダウンロード数(直近30日)
4,000
Hugging Face の Like 数
12
掲載日
2026年4月6日
ダウンロード数(直近30日)の推移
数値を表で見る
| 月 | DL(30日) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | 2,000 |
| 2026年5月 | 3,000 |
| 2026年6月 | 2,000 |
| 2026年7月 | 2,000 |
| 2026年8月 | 4,000 |
| 2026年9月 | 3,000 |
| 2026年10月 | 4,000 |
| 2026年11月 | 4,000 |
各月の最後のスナップショットにおける、直近30日間のダウンロード数です。
同じカテゴリで人気のリソース
- Irodori-TTS-v4.1-Small-GGUFsakasegawa4k日本語TTS用の speech.cpp‑only GGUF モデルで、参照音声または記述/自動選択された音声を使用して単文オーディオを提供します。Euler サンプリング(デフォルト40ステップ)を採用し、カスタムガイダンス、スケジュール、およびスピーカー スケーリングに対応しています
- sarashina2.2-ttssbintuitions3k日本語中心のバイリンガルテキスト読み上げシステムで、大規模言語モデルをベースにしており、日本語と英語(コードスイッチング混在)双方で非常に正確かつ自然で安定した発音を提供します。多様な話し方のゼロショット音声クローンも責任ある訓練データでサポートします。
- irodori-tts-GGUFcstr1kIrodori‑TTS‑500M‑v3 は、日本語/混合テキスト用の 500 M パラメータ Rectified Flow Diffusion Transformer で、GGUF/ggml に量子化されたモデル(F16 ≈1.9 GB、Q4_K ≈852 MB、Q8_0 ≈896 MB)としてリリースされ、オプションの参照潜在エンコーダとセマンティック DAC‑VAE デコーダを備えています。MIT ライセンスで提供されています。
- Drama-3-JapaneseAratako1k日本語ファインチューニング済みFish Audio Drama 3モデル。単一話者のテキスト読み上げを可能にし、オプションで参照音声、説明キャプション、およびインライン感情タグを使用して表現豊かな配信ができます。
- Irodori-TTS-v4.1-Small-MF-CoreMLAILogDev1kCore MLモデルとSwift SDK(iPhone/Apple‑Silicon Mac向けの日本語TTS)は、フルサイズ版と軽量INT8版をサポートし、音声クローン、テキスト駆動型スピーキングスタイル、オフライン合成で48 kHzモノラルPCM16 WAVへの出力に対応しています。ダウンロード、検証、およびサンプルプロジェクトも簡単に利用できます。
研究分野が近いリソース
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506kLiquidAI の LFM 2.5‑Audio 1.5B JP モデルの量子化 GGUF バージョン(言語、オーディオエンコーダー、およびボコーダー重み:F32/F16/Q8_0/Q4_0)と、llama.cpp を使用した ASR と TTS の CLI/Server ランナー。共通: 音声・オーディオ
voicevox_engineVOICEVOX1.8k無料で使える中品質なテキスト読み上げソフトウェア、VOICEVOXの音声合成エンジンGitHub共通: 音声・オーディオ
voicevox_coreVOICEVOX1.2k無料で使える中品質なテキスト読み上げソフトウェア、VOICEVOXのコアGitHub共通: 音声・オーディオ
jpreprocessjpreprocess61テキスト読み上げアプリケーション用の日本語テキストプリプロセッサ(Rust言語でのOpenJTalkの書き直し)GitHub共通: 音声・オーディオ- japanese-hubert-base-phoneme-ctcprj-beatrice4krinna/japanese‑hubert‑base をベースにしたファインチューニング済みの日本語音素 CTC モデル。ReazonSpeech v2 データと pyopenjtalk‑plus ラベルで訓練され、新しい v2 リリース(prj-beatrice/japanese-hubert-base-phoneme-ctc-v2)で精度が向上しています。共通: 音声・オーディオ
- japanese-hubert-base-phoneme-ctc-v3prj-beatrice2kCTC音素認識(v3)用にファインチューニングされた日本語HuBERT‑base、MeCab N‑bestをpyopenjtalk‑plusで後処理し、CTCとMeCabコストを組み合わせた加重損失、更新された除外ルール、新しい「ty」音素を追加。共通: 音声・オーディオ