# 高品質音声合成

Canopy Labsの事前学習モデルをファインチューニングした8ビット量子化テキスト音声変換モデル、英語24kHz音声生成をサポート

Orpheus-TTS-Turkish-PT-2000 はトルコ語ベースのテキスト読み上げ（TTS）モデルで、高品質な音声合成をサポートします。

IndicF5は人間レベルの多言語テキスト読み上げ（TTS）モデルで、11のインド言語をサポートし、1417時間の高品質音声データでトレーニングされています。

Parler-TTS Mini 多言語版はParler-TTS Miniの多言語拡張バージョンで、8つのヨーロッパ言語のテキスト音声変換をサポートしています

Microsoft SpeechT5をファインチューニングしたトルコ語テキスト音声変換モデルで、高品質なトルコ語音声を生成できます。

Parler-TTS Miniは軽量なテキスト読み上げモデルで、10.5K時間の音声データでトレーニングされ、テキストプロンプトによる音声特徴の制御をサポートします。

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。

Fairseq S²ベースのFastSpeech 2テキスト音声合成モデルで、英語単一話者女性音声の合成をサポートします。

FastSpeech2ConformerとHiFi-GANを統合したテキスト音声合成モデルで、効率的で高品質な音声合成を提供

HiFiGANはGANベースのボコーダーモデルで、メルスペクトログラムから高品質な音声を生成でき、マルチスピーカーの英語音声合成をサポートします。

これはESPnet2フレームワークでトレーニングされた日本語テキスト読み上げ(TTS)モデルで、VITSアーキテクチャを使用し、mioによってamadeusデータセットでトレーニングされました。

HiFiGANは生成敵対ネットワーク(GAN)モデルで、メルスペクトログラムから高品質な音声を生成でき、テキスト読み上げシステムに適しています。

これはESPnet2フレームワークで訓練された韓国語テキスト音声変換(TTS)モデルで、KSSデータセットを使用し、JETSアーキテクチャを採用しています。

ESPnetフレームワークとtalromurデータセットでトレーニングされたFastSpeech2テキスト音声合成モデルで、アイスランド語の音声合成をサポートします。

LJ SpeechデータセットでトレーニングされたHiFi-GANボコーダーモデル、高品質な音声合成用

ESPnetフレームワークに基づいて訓練されたVITSテキスト音声変換モデルで、LJSpeechデータセットを使用して訓練され、英語の音声合成をサポートします。

これはESPnetフレームワークでトレーニングされたFastSpeech2テキスト音声合成(TTS)モデルで、LJSpeechデータセットを使用してトレーニングされました。

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。

これはESPnetフレームワークを基に訓練された日本語のテキストを音声に変換する(TTS)モデルで、jvsデータセットを使用して微調整され、高品質の日本語音声合成をサポートします。