
基於 T5Gemma 編碼器-解碼器大型語言模型的多語言語音合成模型,支援聲音複製與時長控制。
其他語言的說明
統計
統計資料截至 2026年11月17日
GitHub Star 數
312
±0 (10月13日〜)
最後提交
2026年11月
GitHub 建立日期
2025年12月13日
收錄日
—
自頁面建立時收錄
Star 數變化
以表格顯示
| 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 |
各月最後一次快照。1,000 以上的 Star 數以 100 為單位四捨五入。
同分類的熱門資源
Step-Audio-EditXstepfun-ai980一個強大的30億參數、基於大型語言模型的強化學習音訊編輯模型,擅長編輯情緒、說話風格與副語言特徵,並具備穩健的零樣本語音合成能力。
GPT-SoVITSRVC-Boss62k僅需1分鐘的語音資料即可訓練出優秀的語音合成模型!(少樣本聲音複製)
barksuno-ai39k🔊 基於文字提示的生成式音訊模型。
VoxCPMOpenBMB38kVoxCPM2:無需分詞器的語音合成,實現多語言語音生成、創意聲音設計與逼真的聲音複製。
OpenVoicemyshell-ai38kMIT 與 MyShell 推出的即時聲音複製。音訊基礎模型。
fish-speechfishaudio33kSOTA 開源語音合成。
研究領域相近的資源
sarashina2.2-ttssbintuitions90Sarashina2.2-TTS 是一個以日本為中心的文本轉語音系統,建立在一個大型語言模型上,由SB Intuitions開發。GitHub共同: 語音合成・大型語言模型
Emoji-TTSiron-mukakin52Irodori-TTS 的分支版本。包含用於生成字幕的工具(例如搭配 LLM-Studio 使用)以及模型合併工具。推理能力也有所增強,加入了連續生成與語音品質調整等功能。GitHub共同: 語音合成・大型語言模型- spoken-magpie-jaAtotti648日語說話型 LLM Spoken‑magpie 的指令微調資料集,使用 CosyVoice2 TTS 在 10 台 NVIDIA H200 GPU 上構建,包含多樣化的講者聲音與對 500 字以下提示的音訊回應,公開提供 50 範例條目。HF 資料集共同: 語音合成・大型語言模型
- japanese-gpt-neox-smallrinna656k一個 12 層、768 隱藏層的日本 GPT‑NeoX 模型,訓練於 CC‑100、C4 和 Wikipedia,兼容 Huggingface,並可選擇使用一個玩具前綴調優權重,使每句結尾強制出現笑臉表情符號。HF 模型共同: 大型語言模型
- Spark-X2.5-4B-Heretic-jp-ggufsoyaakinohara589k日本語対応 Spark-X2.5-4B 模型(Heretic JP),具備拒絕衰減、預訓練、指令調整與工具呼叫修復功能,提供從 BF16 至 Q4_K_M 的 GGUF 量化版本(約 2.5 GiB),可透過 llama.cpp 使用 1,048,576‑token 上下文。HF 模型共同: 大型語言模型
chatterboxresemble-ai27kSoTA 開源語音合成。共同: 語音合成