# 複数話者対応

CSM（対話音声モデル）はSesameが開発した1Bパラメータの音声生成モデルで、テキストと音声入力からRVQ音声エンコーディングを生成できます。

CSM（対話音声モデル）はSesameが開発した10億パラメータの音声生成モデルで、テキストと音声入力からRVQオーディオエンコーディングを生成できます。

SauerkrautTTS-Preview-0.1 は強力なモデルを微調整したドイツ語テキスト読み上げ（TTS）モデルで、4種類のユニークなドイツ語話者音声を提供します。

CSMはSesameが開発した1Bパラメータの音声生成モデルで、テキストと音声入力からRVQ音声エンコードを生成でき、コンテキストを考慮した音声生成をサポートします。

PyTorchベースのテキスト音声変換モデルで、中国語音声合成をサポートし、SesameAILabsによって開発・公開されました。

アミ語とタロコ語に基づく実験的音声合成モデル、ithuanデータセットで学習

F5-TTSベースのブラジルポルトガル語テキスト音声変換モデル、感情タグと話者特徴制御をサポート

YarnGPTはナイジェリアアクセントの英語合成に特化したテキスト読み上げ(TTS)モデルで、純粋な言語モデリング技術を使用し、多様なアプリケーション向けに高品質で自然かつ文化的に関連性のある音声合成を提供します。

microsoft/speecht5_ttsをファインチューニングしたヒンディー語テキスト音声変換モデル

Parler-TTS Mini v1.1は軽量型のテキスト音声変換モデルで、45,000時間のオーディオデータを基に訓練され、高品質で自然な流れの良い音声を生成できます。その特性は簡単なテキストプロンプトで制御できます。

22億パラメータを持つテキスト音声変換モデル、4.5万時間の音声データで訓練され、テキストプロンプトによる音声特徴の制御をサポート

軽量テキスト音声合成モデル、4.5万時間の音声データで訓練、テキストプロンプトによる音声特徴制御をサポート

Parler-TTS Mini：Expressoは、Parler-TTS Mini v0.1をExpressoデータセットでファインチューニングした軽量テキスト音声変換モデルで、感情と話者制御をサポートしています。

これはVITSアーキテクチャに基づくロシア語テキスト音声変換モデルで、ロシア語テキストを自然な音声に変換できます。

ESPnetフレームワークでトレーニングされたテキスト読み上げモデルで、LibriTTSデータセットを使用して英語音声合成をサポートします。