# 音声合成

Dia-1.6B-3bit は mlx-community/Dia-1.6B を基に変換された3ビット量子化モデルで、主にテキストから音声への変換タスクに使用されます。

Dia-1.6B-4bit はMLXフォーマットに基づく4ビット量子化テキスト音声変換モデルで、nari-labs/Dia-1.6Bから変換されました。

これはハイチ・クレオール語のテキスト読み上げモデルで、jsbeaudry/haitian_creoleを基にファインチューニングされています。

microsoft/speecht5_ttsを微調整した音声合成モデルで、テキストから音声への変換タスクをサポート

microsoft/speecht5_ttsをファインチューニングしたテキスト音声変換モデル

マイクロソフトのSpeechT5アーキテクチャに基づくトルコ語のテキストを音声に変換するモデルで、特定のデータセットで微調整され最適化されています。

これはF5-TTSモデルのイタリア語ファインチューニング版で、facebook/multilingual_librispeechデータセットでトレーニングされ、イタリア語のテキスト読み上げタスクに特化しています。

これはマイクロソフトSpeechT5テキスト読み上げ(TTS)モデルのONNX形式変換バージョンで、Transformers.js向けに最適化されています

Parler-TTS Mini v1は日本語に特化した小型テキスト音声変換モデルで、高品質な音声合成をサポートします。

microsoft/speecht5_ttsをファインチューニングしたウルドゥー語TTSモデル、トレーニングデータ量は少ない（4200文）、商用利用には再トレーニングが必要

このモデルはmicrosoft/speecht5_ttsをファインチューニングした音声合成(TTS)モデルで、主にテキストから音声への変換タスクに使用されます。

microsoft/speecht5_ttsをファインチューニングした音声合成モデルで、未知のデータセットでトレーニングされ、検証損失は0.3771です。

SpeechT5アーキテクチャに基づく音声処理モデルで、中国語（台湾）音声向けにファインチューニングされています

microsoft/speecht5_ttsを基に、voxpopuliデータセットで微調整したテキスト音声変換モデル

microsoft/speecht5_ttsをベースにfacebook/voxpopuliデータセットでファインチューニングしたハンガリー語テキスト音声変換モデル

Microsoft SpeechT5フレームワークを基に微調整したロシア語テキスト音声変換モデル、CommonVoice 11.0データセットでトレーニング

マイクロソフトSpeechT5アーキテクチャをファインチューニングしたオランダ語音声合成モデル、Common Voice 13.0データセットでトレーニング

マイクロソフトのSpeechT5アーキテクチャを基にファインチューニングしたイタリア語テキスト音声変換モデルで、VOXPOPULIデータセットでトレーニング済み

Tacotron2アーキテクチャに基づくタイ語テキスト音声変換モデルで、修正されたCommon Voiceタイ語データセットを使用してトレーニングされています

Microsoft SpeechT5アーキテクチャを基にCommon Voiceデータセットでファインチューニングしたウクライナ語テキスト音声変換モデル

マイクロソフトのSpeechT5アーキテクチャをファインチューニングしたスウェーデン語テキスト音声変換モデル、Common Voiceデータセットでトレーニング

SpeechT5アーキテクチャに基づく英語テキスト音声変換モデル、CommonVoiceデータセットでファインチューニング済み

HuBERTとBARTアーキテクチャに基づく音声処理モデルで、自動音声認識(ASR)タスクをサポートします。

fairseq S^2に基づくTransformerテキスト音声変換モデルで、簡体字中国語をサポートし、一人の女性音声で、Common Voice v7とCSS10データセットで訓練されました。