一個名為 tsukuyomi‑wavlm 的日語 TTS 模型—在 tsukuyomi 語料庫 100 條語句上 fine‑tuned 300 epochs,使用 WavLM discriminator 和 A1/A2/A3 prosody features 於 VITS architecture,匯出為 61 MB 的 ONNX file,能生成 22.05 kHz syntheses。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
4,000
Hugging Face 按讚數
12
收錄日
2026年4月6日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(30天) |
|---|---|
| 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 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- Irodori-TTS-v4.1-Small-GGUFsakasegawa4k一個僅包含 speech.cpp 的 GGUF 模型,用於日語 TTS,能以參考聲音或描述/自動選擇的聲音提供單句音訊,採用 Euler 取樣(預設 40 步)並支援自訂指引、排程與講者縮放。
- sarashina2.2-ttssbintuitions3k一個以日語為中心的雙語文字轉語音系統,基於大型語言模型,能夠為日語和英語(包括混合代碼切換)提供高度準確、自然且穩定的發音,並支持跨多種說話風格的零樣本聲音克隆,其訓練資料皆來自負責任來源。
- irodori-tts-GGUFcstr1kIrodori‑TTS‑500M‑v3 是一款 500 M‑parameter Rectified Flow Diffusion Transformer,適用於日文/混合文字。它以 GGUF/ggml 量化模型發佈(F16 ≈1.9 GB、Q4_K ≈852 MB、Q8_0 ≈896 MB),並提供可選的 reference‑latent encoder 與 semantic DAC‑VAE decoder,採用 MIT 授權。
- Drama-3-JapaneseAratako1k日語微調的 Fish Audio Drama 3 模型,支持單說話者文字轉語音,可選擇參考音頻、描述性字幕,以及內嵌情感標籤以實現表達性傳遞。
- Irodori-TTS-v4.1-Small-MF-CoreMLAILogDev1k一個 Core ML 模型與 Swift SDK,用於在 iPhone/Apple‑Silicon Mac 上進行日語 TTS,支援完整尺寸和輕量級 INT8 版本、聲音克隆、文字驅動的說話風格、離線合成至 48 kHz 單聲道 PCM16 WAV,並提供簡易下載、驗證與範例專案。
研究領域相近的資源
- LFM2.5-Audio-1.5B-JP-GGUFLiquidAI506k量化 GGUF 版本的 LiquidAI LFM 2.5‑Audio 1.5B JP 模型,包括語言、音訊編碼器和聲碼器權重(F32/F16/Q8_0/Q4_0),以及使用 llama.cpp 的 ASR 與 TTS CLI/Server 運行器。共同: 語音與音訊
voicevox_engineVOICEVOX1.8k免費使用的中等品質文字朗讀軟體,VOICEVOX的語音合成引擎GitHub共同: 語音與音訊
voicevox_coreVOICEVOX1.2k免費使用的中等質量的文字朗讀軟件,VOICEVOX的核心GitHub共同: 語音與音訊
jpreprocessjpreprocess61用於文本轉語音應用的日文文本預處理器(OpenJTalk在Rust語言中的重寫)GitHub共同: 語音與音訊- japanese-hubert-base-phoneme-ctcprj-beatrice4k基於 rinna/japanese‑hubert‑base 的微調日語音素 CTC 模型,使用 ReazonSpeech v2 數據與 pyopenjtalk‑plus 標籤訓練,在新版 v2 釋出(prj-beatrice/japanese-hubert-base-phoneme-ctc-v2)中達到更佳準確度。共同: 語音與音訊
- japanese-hubert-base-phoneme-ctc-v3prj-beatrice2kFine‑tuned Japanese HuBERT‑base for CTC phoneme recognition (v3),加入 MeCab N‑best 與 pyopenjtalk‑plus 後處理,使用結合 CTC 和 MeCab 成本的加權損失、更新排除規則,以及新增「ty」音素。共同: 語音與音訊