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
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
1
掲載日
2026年10月27日
同じカテゴリで人気のリソース
- piper-plus-tsukuyomi-chanayousanz4k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。
- 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
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)多言語共通: 音声合成
barksuno-ai39k🔊 テキストプロンプトによる生成音声モデル。多言語共通: 音声合成
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。多言語共通: 音声合成
OpenVoicemyshell-ai38kMIT と MyShell による即時声質クローン。音声基盤モデル。多言語共通: 音声合成
fish-speechfishaudio33k最先端のオープンソース音声合成。多言語共通: 音声合成
chatterboxresemble-ai27k最先端のオープンソース音声合成。多言語共通: 音声合成