日本细调的 Fish Audio Drama 3 模型,支持单说话人文本转语音,可选参考音频、描述性字幕以及内联情感标签,实现富有表现力的交付。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
1,000
Hugging Face 点赞数
24
收录日
2026年11月10日
同分类的热门资源
- Irodori-TTS-v4.1-Small-GGUFsakasegawa4k仅使用 speech.cpp 的 GGUF 模型,用于日语 TTS,可在参考声音或描述/自动选择的声音中提供单句音频,采用 Euler 采样(默认 40 步),并支持自定义引导、调度和说话人缩放。
- piper-plus-tsukuyomi-chanayousanz4k一款名为 tsukuyomi‑wavlm 的日本文本转语音模型——在 tsukuyomi corpus 的 100 条语句上经过 300 个周期的微调,使用 WavLM 判别器和 A1/A2/A3 声韵特征,基于 VITS 架构,导出为 61 MB 的 ONNX 文件,用以生成 22.05 kHz 的合成语音。
- sarashina2.2-ttssbintuitions3k一款以日语为中心的双语文本转语音系统,基于大型语言模型,提供高度准确、自然且稳定的发音,支持日语和英语(包括混合代码切换),并通过负责任获取的数据实现跨多种说话风格的零样本声音克隆。
- irodori-tts-GGUFcstr1kIrodori‑TTS‑500M‑v3 是一款 500 M 参数的 Rectified Flow Diffusion Transformer,支持日语/混合文本。它以 GGUF/ggml 量化模型形式发布(F16 ≈1.9 GB, Q4_K ≈852 MB, Q8_0 ≈896 MB),可选配参考潜在编码器和语义 DAC‑VAE 解码器,采用 MIT 许可证。
- Irodori-TTS-v4.1-Small-MF-CoreMLAILogDev1k一个用于 iPhone/Apple‑Silicon Mac 的 Core ML 模型和 Swift SDK,支持日语 TTS,可使用全尺寸版本和轻量化 INT8 版本,实现声音克隆、文本驱动的说话风格,并可离线合成到 48 kHz 单声道 PCM16 WAV,同时提供简易下载、验证和示例项目。
研究领域相近的资源
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)多语言共同: 语音合成
barksuno-ai39k🔊 基于文本提示的生成式音频模型。多语言共同: 语音合成
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。多语言共同: 语音合成
OpenVoicemyshell-ai38kMIT 与 MyShell 推出的即时声音克隆。音频基础模型。多语言共同: 语音合成
fish-speechfishaudio33kSOTA 开源语音合成。多语言共同: 语音合成
chatterboxresemble-ai27kSoTA 开源语音合成。多语言共同: 语音合成