voice-clone

1分の音声データでも優れたTTSモデルのトレーニングに使用可能！（Few-shotボイスクローニング）

オープンソースの AI 音声スタジオ。クローン、ディクテート、作成。

MITとMyShellによるインスタントボイスクローニング。オーディオ基盤モデル。

産業レベルで制御可能かつ効率的なゼロショットText-To-Speechシステム

MOSS-TTS-Nanoは、MOSI.AIとOpenMOSSチームによるオープンソースの多言語軽量音声生成モデルです。わずか0.1Bのパラメータで、リアルタイム音声生成向けに設計されており、GPUなしでCPU単体で動作可能であり、ローカルデモ、Webサービス、軽量な製品統合に適したシンプルなデプロイメントスタックを維持しています。

人間的で表現力豊かなTTSのための基盤モデル。

使いやすさとパフォーマンスに重点を置いた、シンプルで高品質な音声変換ツール

GPT-SoVITS ONNX推論エンジンおよびモデルコンバーター

Wunjo CE：顔の差し替え、リップシンク、オブジェクト・テキスト・背景の削除、スタイル変更、音源分離、音声クローン、動画生成。オープンソース、ローカル実行可能、無料。

オープンソースのLLMを活用した基盤TTSシステム

Confucius4-TTS: 多言語・クロスリンガル対応のゼロショットTTSエンジン

MimikaStudio - macOS（Apple Silicon）向けのローカルファーストアプリケーション、Agentic MCPをサポート

Chatterboxを使用したローカルなOpenAI互換の音声合成（TTS）API。OpenAI APIが使用されるあらゆる場所（Open WebUI、AnythingLLMなど）で音声クローンによる音声生成を可能にします

PDF や EPUB をオーディオブックに、字幕や動画を（翻訳を含む）吹き替え動画に変換するなど。無料で使用できます。Pandrator は、音声クローン（インスタント、RVC 拡張、XTTS ファインチューニング）や LLM 処理などのローカルモデルを使用します。GUI、インストーラー、オールインワンパッケージを備えた、ユーザーフレンドリーなアプリを目指しています。

ComfyUI用のOmniVoice TTSノード - 音声クローン、音声デザイン、マルチスピーカー対話に対応したゼロショット多言語音声合成