F15

🚀 Fish Speech V1.5

Fish Speech V1.5 は、複数言語で100万時間以上の音声データを用いて学習された、最先端のテキスト読み上げ（TTS）モデルです。

🚀 クイックスタート

Fish Speech V1.5は、多言語に対応した高度なテキスト読み上げモデルです。以下に、このモデルがサポートする言語と学習に使用された音声データの時間数を示します。

サポート言語

• 英語 (en) >30万時間
• 中国語 (zh) >30万時間
• 日本語 (ja) >10万時間
• ドイツ語 (de) ~2万時間
• フランス語 (fr) ~2万時間
• スペイン語 (es) ~2万時間
• 韓国語 (ko) ~2万時間
• アラビア語 (ar) ~2万時間
• ロシア語 (ru) ~2万時間
• オランダ語 (nl) <1万時間
• イタリア語 (it) <1万時間
• ポーランド語 (pl) <1万時間
• ポルトガル語 (pt) <1万時間

詳細については、Fish Speech Github を参照してください。
デモは Fish Audio で利用できます。

📚 ドキュメント

引用

このリポジトリが役に立った場合は、以下のように引用していただけると幸いです。

@misc{fish-speech-v1.4,
      title={Fish-Speech: Leveraging Large Language Models for Advanced Multilingual Text-to-Speech Synthesis}, 
      author={Shijia Liao and Yuxuan Wang and Tianyu Li and Yifan Cheng and Ruoyi Zhang and Rongzhi Zhou and Yijin Xing},
      year={2024},
      eprint={2411.01156},
      archivePrefix={arXiv},
      primaryClass={cs.SD},
      url={https://arxiv.org/abs/2411.01156}, 
}

📄 ライセンス

このモデルは、CC-BY-NC-SA-4.0ライセンスの下で許諾されています。