# 低遅延音声合成

XCodec2は多言語音声の意味理解と高品質音声再構築をサポートする音声トークナイザーです

タイフーン2-オーディオ版は、オーディオ、音声、テキスト入力を処理し、テキストと音声の両方を同時に生成できるエンドツーエンドの音声変換モデルアーキテクチャです。このモデルは特にタイ語に最適化されており、英語もサポートしています。

これはMMSベースのスペイン語TTSモデルで、VITSアーキテクチャを使用してファインチューニングされており、わずか80-150のサンプルと20分のトレーニング時間でコロンビアアクセントのスペイン語音声を生成できます。

これはMMSスペイン語版をベースにしたファインチューニングモデルで、VITSアーキテクチャを使用し、わずか80～150サンプルで約20分のトレーニングで完成しました。