# 多語言語音合成

OuteTTS-1.0-0.6B GGUF是一款多語言文本轉語音模型，支持語音合成與克隆，提供高效準確的語音生成能力。

OuteTTS 1.0是一個基於Llama架構的多語言文本轉語音模型，支持20種語言，具有高質量的語音合成和語音克隆能力。

Llasa是一個基於LLaMA的文本轉語音(TTS)系統，通過整合語音標記擴展了語言模型的能力，支持中英文語音生成。

Bark是由Suno創建的基於Transformer的文本轉音頻模型，可生成高度逼真的多語言語音、音樂、背景噪音和音效。

OuteTTS 1.0是一個1B參數的文本轉語音模型，支持多語言語音合成與聲音克隆

IndicF5是一個近乎人類水平的多語言文本轉語音(TTS)模型，支持11種印度語言。

viⓍTTS 是一款語音生成模型，能夠通過6秒的簡短音頻片段克隆聲音到不同語言中。

Voila是一個大型語音-語言基礎模型家族，旨在提升人機交互體驗，支持即時、低延遲的語音交互和多語言處理。

Voila是一個大型語音-語言基礎模型家族，旨在提升人機交互體驗，支持即時、低延遲的語音交互和多語言處理。

Voila是一個全新的大型語音-語言基礎模型系列，旨在將人機交互體驗提升至全新水平。

Voila是一個全新的大型語音-語言基礎模型家族，旨在將人機交互體驗提升至新高度。

IndicF5是一個基於1417小時高質量語音數據訓練的接近人類的多語言文本轉語音(TTS)模型，支持11種印度語言。

基於microsoft/speecht5_tts模型在voxpopuli數據集上微調的文本轉語音模型

Kokoro是一款擁有8200萬參數的開源TTS模型，音質媲美更大模型，同時具備顯著的速度優勢和成本效益。

Voila是一個大型語音-語言基礎模型系列，旨在提升人機交互體驗，支持多種音頻任務和語言。

YarnGPT2是一款專為合成尼日利亞口音語言（約魯巴語、伊博語、豪薩語及英語）設計的文本轉語音（TTS）模型。

CosyVoice是一個文本轉語音(TTS)模型，支持多語言和語音轉換功能，提供高質量的語音合成能力。

Parler-TTS 迷你多語言版 v1.1 是基於 Parler-TTS 迷你版的多語言擴展，支持8種歐洲語言的文本轉語音。

Indri 是一個基於 Transformer 架構的新型、超小型、輕量級 TTS 模型，支持英語和印地語的文本轉語音任務。

GPT-SoVITS (V1) 是一個多語言文本轉語音基礎模型，支持中文、英文和日文。

Indic Parler-TTS預訓練模型是Parler-TTS Mini的多語言印度語擴展版本，支持21種語言，包括多種印度語言和英語。

Indic Parler-TTS 是 Parler-TTS Mini 的多語言印度語言擴展版本，支持21種語言，包括多種印度語言和英語。

這是一個基於Transformers的文本轉語音(TTS)模型，能夠將輸入的文本轉換為自然語音輸出。

ⓍTTS是一款語音生成模型，僅需6秒音頻即可克隆聲音並應用於不同語言，支持阿根廷口音西班牙語。

CosyVoice是一個文本轉語音(TTS)模型，支持多種語言和風格的聲音合成。

ⓍTTS是一款語音生成模型，僅需6秒的音頻片段即可克隆聲音並應用於不同語言。無需耗費數小時的大量訓練數據。

viⓍTTS 是一個語音生成模型，支持18種語言的語音克隆，特別針對越南語進行了優化。

Meta公司開發的土庫曼語文本轉語音模型，屬於大規模多語言語音項目的一部分，支持拉丁字母拼寫的土庫曼語語音合成。

Meta公司開發的加泰羅尼亞語文本轉語音模型，採用VITS端到端架構，支持高質量語音合成

Meta公司開發的孟加拉語文本轉語音模型，基於VITS架構，支持高質量語音合成

Meta公司開發的本巴語(bem)文本轉語音模型，屬於大規模多語言語音項目的一部分

Meta公司開發的索馬里語文本轉語音模型，屬於MMS項目的一部分，支持將索馬里語文本轉換為自然語音。

Meta公司開發的剋剋奇語文本轉語音模型，屬於大規模多語言語音項目的一部分

Facebook MMS項目的奧里亞語文本轉語音模型，基於VITS架構實現高質量的語音合成

Meta公司開發的拉脫維亞語文本轉語音模型，基於VITS架構，支持高質量語音合成

Meta公司開發的拉丁語文本轉語音模型，基於VITS架構，支持高質量語音合成

Meta公司開發的羅馬尼亞語文本轉語音模型，採用VITS架構，支持高質量語音合成

Meta公司開發的針對他加祿語的端到端文本轉語音模型，基於VITS架構，支持高質量語音合成

Meta公司開發的埃塞埃哈語文本轉語音模型，屬於大規模多語言語音項目的一部分，支持高質量語音合成。

Meta公司開發的泰盧固語文本轉語音模型，基於VITS架構，支持高質量語音合成