sesame-ai

テキスト音声変換プラットフォーム。複数言語の音声合成と短い音声サンプルのクローン対応

オンラインテキスト音声変換サービス。文字を多言語MP3音声に変換し、音声パラメータを調整可能。

テキスト音声変換プラットフォームで、ボイスクローンと多言語ナレーション生成をサポート

AIを用いて原曲のボーカルを置き換え、カスタムボイスに対応したカバー音楽生成プラットフォーム

テキスト音声変換プラットフォーム。複数言語の音声生成と音声クローンをサポート。

音声処理プラットフォームで、テキスト音声変換と音声テキスト変換を高精度でリアルタイム実現

ChatTTSは、大規模言語モデルアシスタントの対話タスクや、対話型の音声・動画紹介など、対話用途に特化して設計された最先端の音声生成モデルです。このモデルは約10万時間の中国語および英語の音声データをもとに訓練されており、高品質で自然かつ表現力豊かな音声合成を実現します。特にイントネーション、ポーズ、感情のニュアンスといった韻律的特徴の再現に優れており、よりスムーズで生き生きとした対話体験を可能にします。ChatTTSはオープンソースプロジェクトとして公開されており、今後4万時間のデータで学習したベースモデルのリリースを予定しており、AI音声合成分野における研究と発展を促進することを目指しています。

Kokoro Web はオープンソースのテキスト読み上げプラットフォームであり、ユーザーはブラウザー上で直接テキストをリアルな音声オーディオに変換できます。このプラットフォームは、8200万パラメータの軽量かつ高品質なモデルを採用しており、処理速度と音声の忠実度の両立を実現しています。オンラインで即座にサービスを利用できるほか、OpenAI 互換の API を通じてローカル環境に展開することも可能で、個人利用から商用利用まで柔軟に対応できます。複数の言語とアクセントをサポートし、音声のカスタマイズ機能も提供しています。また、対応環境では WebGPU を活用した高速化により、より優れたパフォーマンスを実現します。

琅琅配音は、書かれたテキストを中国語、英語、ドイツ語、フランス語、イタリア語、スペイン語、インドネシア語を含む30種類以上の言語で自然な音声に変換できる総合的なテキスト読み上げプラットフォームです。200種類以上の音声モデルを備え、喜び、悲しみ、興奮、恐怖など、多様な感情表現が可能です。SSMLタグによる精密な音声制御、複数人物の音声合成、背景音楽の統合、効果音の挿入といった高度な機能もサポートしています。ユーザーは高品質な商用利用可能な音声コンテンツを生成でき、著作権を完全に保有するため、ビデオナレーション、オーディオブック制作、広告、教育コンテンツなど幅広い用途に適しています。

悦音配音はZhipianbangが開発した総合音声生成プラットフォームで、テキストを自然で滑らかな音声に変換できます。豊富な音声ライブラリを備えており、さまざまな性別や年齢層の声に対応し、標準語や各地の方言、複数の国際言語もサポートしています。動画のナレーションから教育コンテンツまで、多様な創作ニーズに対応可能です。自動音声合成とプロフェッショナルな人工音声サービスを組み合わせており、品質と予算に応じて柔軟に選択できます。

刺鸟配音は、最先端の音声合成技術を活用してテキストを自然で滑らかな音声に変換する総合的なテキスト読み上げプラットフォームです。同プラットフォームには200種類以上の多様な音声が用意されており、Magic YunxiやMagic Xiduといった人気の音声も含まれます。中国語標準語、英語、広東語、四川語、東北語、湖南語、台湾語など、複数の言語および方言に対応しています。ユーザーは読み上げ速度、ピッチ、音量、さらに背景音楽も自由にカスタマイズでき、プロフェッショナルな品質の音声コンテンツを簡単に作成可能です。短編動画、映画・テレビ番組の吹き替え、教育用コンテンツ、オーディオブックなど、幅広い用途に活用されています。

TTSVoxは、ウェブベースのテキスト読み上げプラットフォームであり、任意のテキストを自然で高品質な音声に変換できます。50以上の言語と200以上の音声オプション（さまざまなアクセントや性別を含む）をサポートしており、ユーザーはニーズに応じて音声出力をカスタマイズ可能です。TTSVoxはアクセシビリティと幅広い用途を重視して設計されており、ビデオのナレーション、オンライン教育、IVRシステム、音声付き記事など、さまざまな用途に適しています。利用回数に制限はなく、ダウンロードやインストールも不要のため、学生やビジネスパーソン、コンテンツ制作者がいつでも簡単に利用できます。