MioTTS登場：わずか0.1Bパラメータの超軽量音声モデル、エッジデバイスでのスムーズな発話を実現
Aratako氏がリリースした最新のMioTTSプロジェクトを探索。LLMアーキテクチャをベースにした超軽量TTSモデルシリーズ。極小の0.1Bから高品質な2.6Bまで、独自開発のMioCodecにより、高音質と驚異的な推論速度を両立。既存のLLMツールを活用したデプロイ方法も解説します。
162月
トピック
#音声
音声 に関する最新ニュースと解説。
このトピックの記事
新しい順 2 / 5 ページKaniTTS2徹底解説：350Mパラメータで長文に挑む、フルオープンなTTS事前学習フレームワーク
音声モデルのブラックボックスを打破！LFM2アーキテクチャベースの350Mモデル「KaniTTS2」が、Frame-level Position Encodingにより長文生成の一貫性をどう解決したかを深掘り。モデルだけでなく事前学習コードも完全公開し、開発者がゼロから専用TTSを構築する …
MOSS-TTS 徹底解析：Gemini を凌駕する商用利用可能なオープンソース音声モデル、効果音生成まで可能に
MOSS-TTS が正式にオープンソース化！このプロダクション級 AI オーディオ・ソリューションは 5 つの主要モデルを内蔵し、ゼロショット音声クローニングや長文対話生成をサポートするだけでなく、背景効果音を生成できる初の TTS モデルです。対話評価で Gemini 2.5 を超 …
Qwen3-TTSファミリーが登場：音声クローンと生成の新たな基準
QwenチームはQwen3-TTSシリーズモデルを正式にオープンソース化しました。「ファミリー」と呼ばれるこのソリューションは、音声クローン、創造から高忠実度の音声制御までの完全な機能を提供します。この記事では、そのデュアルトラックモデリング技術、異なるパラメータモデルの応用シナリオ、およ …
Soprano TTS大型アップデート：学習コード公開、軽量音声モデルのカスタマイズがより簡単に
Soprano TTSが学習コードSoprano-Factoryとエンコーダーを公開しました。この超軽量モデルは15msの低遅延ストリーミングをサポートし、開発者が自身のデータを使用して独自の音声をトレーニングできるようになり、エッジコンピューティングによる音声生成の可能性を広げます。
NovaSR登場：わずか52KBのAIオーディオツールが実現する3600倍速の音質アップグレード
わずか52KBのオープンソースオーディオ超解像モデルNovaSRがコミュニティを震撼させています！16kHzの音声を48kHzにアップスケールし、リアルタイムの3600倍という驚異的な速度を実現するなど、AIオーディオ処理の効率の限界を完全に覆したNovaSRの秘密を徹底解説します。
Supertonic2 登場：軽量・多言語対応・オフライン実行可能な音声合成の新選択肢
AIアプリケーションがますます普及する中で、開発者や企業は常により効率的なソリューションを求めています。音声合成（Text-to-Speech, TTS）技術はすでにかなり成熟していますが、高品質な音声を求めると巨大なクラウドモデルが必要になり、ネットワークの遅延やプライバシーのリスクが伴 …
クラウド遅延にさようなら：NeuTTS Airがデバイス上で超リアルな音声を実現
音声AI技術は、ついに高価なAPIやネットワーク遅延の人質ではなくなりました。Neuphonicが発表したNeuTTS Airは、0.5Bの言語モデルに基づいた軽量音声生成ツールで、ローカルデバイス上での動作を主眼としており、わずか3秒のオーディオで音声クローンを作成できます。この記事で …
MiraTTS：限界を突破する音声合成の新星、100倍のリアルタイム生成と48kHzの高音質をいかにして実現したか？
人間のようなAI音声を手に入れたいけれど、ハードウェアや生成速度に制限されていませんか？MiraTTSが颯爽と登場しました。このLLMベースの音声合成モデルは、わずか6GBのVRAMで動作するだけでなく、LmdeployとFlashSR技術を通じて、100倍のリアルタイム生成速度 …
アリババクラウドがCosyVoice 3をオープンソース化：0.5Bの小規模パラメータモデルが驚異的な音声合成能力を発揮
アリババクラウドのFunAudioLLMチームが最新のCosyVoice 3をリリースしました。このわずか0.5BパラメータのTTSモデルは、中・英・日・韓など9言語および18種類の方言をサポートし、150msという極低遅延と超高忠実度を備えています。本記事では、その技術的特 …