# ランダム持続時間予測

Swaramは先進的なマラヤーラム語音声合成モデルで、入力テキストから高品質な音声波形を生成できます。

Meta社が開発したサモア語テキスト読み上げモデル、VITSアーキテクチャに基づき、高品質な音声合成をサポート

Meta社が開発したエウェ語テキスト音声合成モデルで、MMSプロジェクトの一部であり、高品質な音声合成をサポート

VITSはエンドツーエンド音声合成モデルで、入力テキストシーケンスから対応する音声波形を予測できます。このモデルは条件付き変分オートエンコーダ（VAE）アーキテクチャを採用し、事後エンコーダ、デコーダ、条件付き事前モジュールを含みます。