
基于 T5Gemma 编码器-解码器大语言模型的多语言语音合成模型,支持声音克隆与时长控制。
其他语言的说明
统计
统计数据截至 2026年11月17日
GitHub Star 数
312
±0 (10月13日〜)
最后提交
2026年11月
GitHub 创建日期
2025年12月13日
收录日
—
自页面创建时收录
Star 数变化
以表格显示
| 月份 | 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 |
各月最后一次快照。1,000 以上的 Star 数按 100 取整。
同分类的热门资源
Step-Audio-EditXstepfun-ai980一个强大的30亿参数、基于大语言模型的强化学习音频编辑模型,擅长编辑情感、说话风格与副语言特征,并具备稳健的零样本语音合成能力。
GPT-SoVITSRVC-Boss62k仅需1分钟的语音数据即可训练出优秀的语音合成模型!(少样本声音克隆)
barksuno-ai39k🔊 基于文本提示的生成式音频模型。
VoxCPMOpenBMB38kVoxCPM2:无需分词器的语音合成,实现多语言语音生成、创意声音设计与逼真的声音克隆。
OpenVoicemyshell-ai38kMIT 与 MyShell 推出的即时声音克隆。音频基础模型。
fish-speechfishaudio33kSOTA 开源语音合成。
研究领域相近的资源
sarashina2.2-ttssbintuitions90Sarashina2.2-TTS是一个基于大型语言模型开发的日本中心的文本到语音系统,由SB Intuitions开发。GitHub共同: 语音合成・大语言模型
Emoji-TTSiron-mukakin52Irodori-TTS 的一个分支版本。它包含用于生成字幕的工具(例如使用 LLM-Studio),以及模型合并工具。推理能力也得到了增强,新增了连续生成和音质调节等功能。GitHub共同: 语音合成・大语言模型- spoken-magpie-jaAtotti648用于 Spoken‑magpie LLM 的日语指令调优数据集,使用 CosyVoice2 TTS 在10台 NVIDIA H200 GPU 上构建,包含多样的说话人声音和针对 500 字符以内提示的音频响应,共有 50 条示例条目向公众公开。HF 数据集共同: 语音合成・大语言模型
- japanese-gpt-neox-smallrinna656k一个 12 层、768 隐藏层的日语 GPT‑NeoX 模型,训练数据为 CC‑100、C4 以及 Wikipedia,兼容 Huggingface,并配备可选的玩具前缀调优权重,能强制每个句子末尾以笑脸表情符号结束。HF 模型共同: 大语言模型
- Spark-X2.5-4B-Heretic-jp-ggufsoyaakinohara589k日语适配版 Spark‑X2.5‑4B 模型(Heretic JP),具备拒绝衰减、预训练、指令调优和工具调用修复功能,可在 BF16 至 Q4_K_M 的 GGUF 量化版本中使用,约 2.5 GiB,支持 llama.cpp 的 1,048,576‑token 上下文。HF 模型共同: 大语言模型
chatterboxresemble-ai27kSoTA 开源语音合成。共同: 语音合成