AI音声合成

概要 sherpa-onnxは、Next-gen Kaldiチームによって開発されたオープンソースプロジェクトで、効率的なオフライン音声認識および音声合成ソリューションを提供します。Android、iOS、Raspber...など複数のプラットフォームをサポートしています。

概要 SoniTranslate はパワフルでユーザーフレンドリーなビデオ多言語ダビングツールです。高度な音声認識と機械翻訳技術により、ビデオ コンテンツを多言語に翻訳し、音声を同期させます。この ...

総合紹介 ViiTor AIは、高品質な動画翻訳、ボイスクローン、AI生成アバター動画、音声合成サービスの提供に特化した強力な人工知能プラットフォームです。このプラットフォームは多言語をサポートし、ユーザーが簡単に多言語コンテンツ作成を実現できることを目指しています。

概要 Kokoro-FastAPIは、Kokoro-82M音声合成モデルをサポートするために設計されたDockerベースのFastAPIラッパーです。このプロジェクトはNVIDIA GPUアクセラレーションをサポートし、キュー処理と自動スプライシングを提供します。

はじめに GizAIは、AI生成、ノート作成、クラウドストレージ機能を統合したワンストッププラットフォームです。ユーザーは、GizAIで画像、動画、音声、テキスト、キャラクター、ストーリー、ゲームを生成し、プラットフォーム上で共同メモやクラウドストレージを取ることができます。

FreeTTS 概要 FreeTTSは、テキストを自然な音声ファイルに変換できる無料のオンライン音声合成ツールです。複数の言語とサウンドオプションをサポートし、ユーザーはテキストをMP3、WAV、OGG、ACC形式に変換することができます...

概要 PDF2Audioは、PDFファイルをポッドキャスト、講義、要約などの音声コンテンツに変換するために設計されたオープンソースプロジェクトです。このツールは、テキスト生成とテキスト音声変換にOpenAIのGPTモデルを活用しており、ユーザは複数のPDFファイルをアップロードすることができます。

包括的な紹介 MiniMax AudioはMiniMax社のAI音声生成ツールで、テキストを類似度の高い自然な音声に素早く変換することを主な特徴としています。Speech-02モデルに基づいており、音声合成の類似度は最大99...

はじめに Weightsは、簡単な操作でボイスカバー、音声合成、画像、音楽、動画を作成できる、AIを活用したクリエイティビティのためのソーシャルプラットフォームです。このプラットフォームは、ユーザーが素早く創作を始め、コミュニティと共有できるよう、豊富なツールやテンプレートを提供しています。

概要 Edge TTS Worker（edge-tsに依存）は、Microsoft Edge TTSサービスをOpenAI互換フォーマットでカプセル化し、Cloudflare Workerにデプロイされたプロキシサービスです。

一般的な紹介 Murf AIは、テキストを人間に近い音声に変換する、強力なオンライン人工知能音声生成ツールです。最大120以上のAI音声オプションを提供し、20以上の言語をサポートし、ポッドキャスト、ビデオ、プロのプレゼンテーションなど様々な状況に適しています。

概要 edge-tsはオープンソースのPythonモジュールで、Microsoft EdgeブラウザやWindowsオペレーティングシステム、APIシークレットを必要とせずに、PythonコードでMicrosoft Edgeのオンライン音声合成サービスを利用することができます。

概要 MemoAIは、ビデオやオーディオファイルをテキスト、字幕、メモに変換するために設計された強力なビデオ翻訳ツールです。YouTubeの動画でも、ポッドキャストでも、ローカルファイルでも、MemoAIは簡単に扱うことができます。中国語、英語、日本語など90以上の言語に対応しています。

概論 AnyVoiceは高度なAI音声生成プラットフォームであり、超リアルな音声生成と音声クローンサービスを提供します。ユーザーはテキストを自然な音声に変換し、数百のプリセット音声から選択することができます。適切な音声が見つからない場合は、...

総合紹介 EmotiVoiceは、NetEaseYoudaoによって開発された、複数の音声と感情キュー制御を備えた音声合成（TTS）エンジンです。このオープンソースのTTSエンジンは、英語と中国語をサポートし、2000以上の異なる音声を持ち、感情合成機能を持ち、幸せな音声を作成することができます。

一般的な紹介 ebook2audiobookは、強力なオープンソースの電子書籍からオーディオブックツールです。複数のフォーマットのeBookを、完全なチャプターマーカーとメタデータ付きのオーディオブックに変換することができます。このツールは、電子書籍フォーマットの変換にCo...

概要 Audiblezは、電子書籍（.epub形式など）をオーディオブック（.m4b形式など）に変換するためのオープンソースプロジェクトです。Kokoroの高品質音声合成技術を利用し、多言語・多音声をサポートしています。ユーザーは単純に...

総合紹介 Tencent Smart Shadowは、テンセントが開始したオンラインインテリジェント動画作成プラットフォームで、クラウドサービスによって提供される強力なAIツールにより、テキストダビング、デジタル人力放送、自動字幕認識などの機能をサポートします。

概論 Orpheus-TTSは、人間の自然な音声に近い音声を生成することを目標に、Llama-3bアーキテクチャで開発されたオープンソースの音声合成（TTS）システムです。Canopy AIチームによって開発され、英語、スペイン語、フランス語に対応しています。

一般的な紹介 Listnrは、142以上の言語、1,000以上の異なる声で音声合成を作成するジェネレーティブAIエンジンを搭載した音声合成ソフトウェアです。このプラットフォームは、ショートビデオ、YouTub...

包括的な紹介 ココロ-ONNXは、ONNXランタイムをベースとしたオープンソースの音声合成(TTS)ツールです。thewh1teagleによって開発されたこのプロジェクトは、効率的で高速な音声合成ソリューションを提供することを目的としています。

pyVideoTrans 概要 pyvideotransはビデオ翻訳ダビングツールです。ユーザーはビデオコンテンツをある言語から別の言語に翻訳し、ビデオに適切な吹き替えと字幕を追加することができます。このツールはopenai-whisper offline...をベースにしています。

はじめに ココロWebGPUは、WebMLコミュニティがHugging Faceプラットフォーム上で提供するココロ音声合成（TTS）モデルのWebGPUバージョンです。このプロジェクトは、WebGPUの技術を利用し、ユーザーが...

概要説明 Vidnozは、1分以内に素早くAIビデオを作成するための無料のAIビデオ生成プラットフォームです。費用、ダウンロード、経験は必要ありません。このプラットフォームは、500以上のAIアバター、470以上のリアルなAIナレーション、500以上のテンプレートを提供しています。VidnozのAIビデオ...

はじめに NotebookLMは、Googleが提供するパーソナライズされたAIコラボレーションツールで、ユーザーの頭脳を最大限に活用できるように設計されている。ユーザーがドキュメントをアップロードすると、NotebookLMは即座にこれらのソースからコンテンツをマスターし、ユーザーが簡単に読めるようにします。

概要 Uberduck AIは、クリエイティブ・エージェンシー、音楽プロデューサー、プログラマー向けに、歌声や話し声のAI合成を提供する革新的なプラットフォームです。ユーザーは、さまざまな音楽のリズムを選択し、AIを使って歌詞を生成したり、自分で書いたり、特定のサウンドを選択して、最終的にラップソングを作成することができます...

概要 TTSMakerは、100以上の言語と300以上の音声スタイルをサポートする無料のオンライン音声合成ツールです。ユーザーは、テキストを自然で滑らかな音声に変換し、商用利用のために音声ファイルをダウンロードすることができます。このツールは、ビデオのダビング、オーディオブック、教育やトレーニングに適しています。

概要 AivisSpeechはVOICEVOXエディタのUIをベースにした日本語音声合成ソフトウェアです。AivisSpeech Engineを統合し、感情豊かな音声を簡単に生成することができます。

一般的な紹介 ココロ82MはHugging Faceが提供する効率的な音声合成モデルで、より少ないパラメータとデータで高品質な音声を生成するように設計されています。このモデルは8,200万個のパラメータを持ち、Apache 2.0の下でライセンスされています。

Ondoku 概要 Ondokuはオンライン音声合成ソフトウェアです。ユーザーがウェブサイトが提供するテキストボックスにテキストコンテンツを入力すると、ソフトウェアがユーザーのニーズに合わせて記事を音声読み上げに変換し、音声をMP3形式のファイルとして保存することができます。このサービスは、インスタントリスニングにも...

概要 Llasa-3Bは、香港科学技術大学オーディオ研究室（HKUST Audio）が開発したオープンソースの音声合成（TTS）モデルです。このモデルはLlama 3.2Bアーキテクチャに基づいており、複数の音声合成をサポートするだけでなく、高品質な音声合成を提供するために慎重に調整されています。

総合紹介 Record Cafeはワンストップの音声/動画処理プラットフォームで、AI動画対話、AI字幕、AI音声テキスト化サービスを提供する。画面録画、動画編集、GIF/音声変換などの機能があり、クラウドストレージや共有もサポートします。インターフェースは直感的で使いやすく、マルチスクリーン録画と多言語スマートフォンにも対応しています。

Descript 一般的な説明 Descriptは、パワフルでありながら使いやすいビデオおよびポッドキャスト編集ツールです。業界トップクラスの書き起こし精度とスピード、強力な修正ツールに加え、AI技術で動画をテキストに書き起こしたり、テキストを編集して動画を編集する機能も備えています。さらに...

包括的な紹介 Easy-Voice-ToolkitはOpen Source Speech Projectに基づく多機能なツールキットで、音声認識、音声トランスクリプション、音声変換、データセット作成、モデルトレーニングのための幅広い自動音声ツールを提供します。ユーザーは、必要に応じてこれらのツールを選択的に使用することができます...

概要 Dupdubは、ユーザーの創造性をサポートする様々なAIツールを提供する、サイドヘビーポッドキャストおよびビデオプレゼンテーション作成プラットフォームです。テキストからビデオへの作成、AIによる音声やビデオの吹き替えサービス、ビデオ編集、文字起こし、字幕作成などの機能を備えています。 また、Dupdubは...

総合紹介 Tease Dubbingは500万人以上のユーザーを持つ人気のAIダビングソフトです。このソフトは先進的なAI知能ダビング技術を使って、プロでリアルなダビング効果を提供し、ショートビデオ、広告制作、教育訓練などのシーンに適しています。Teaser Dubbingは、ユーザーに迅速な...

包括的な紹介 OuteTTSは、純粋な言語モデリングアプローチを用いて高品質の音声を生成する、実験的な音声合成（TTS）モデルです。従来のTTSシステムとは異なり、OuteTTSは外部アダプターや複雑なアーキテクチャを必要としません。このモデルは、LLaMaアーキテクチャに基づいています。

一般的な紹介 IMS Toucanはドイツのシュトゥットガルト大学の自然言語処理研究所(IMS)によって開発された最先端の音声合成(TTS)ツールキットです。このツールキットは7000以上の言語をサポートし、高速で、制御可能で、必要な計算資源が少ない。

はじめに イレブンラボは、米国ニューヨークに拠点を置く、ジェネレーティブAIスピーチの分野に特化した新興企業である。同社は、テキスト生成音声、スピーチ生成音声、音声クローン、音声認識のための強力なサービスを提供しています。

PodLMの概要 PodLMは、ユーザーがテキスト、ドキュメント、URLコンテンツを高品質のポッドキャスト音声に素早く変換できるように設計された、最先端のAIポッドキャスト生成プラットフォームです。最先端のAI技術を活用することで、PodLMは構造化された魅力的なポッドキャスト・スクリプトを自動生成することができます。

一般的な紹介 OpenAI Edge TTSは、OpenAIと互換性のあるネイティブの音声合成（TTS）APIを提供するオープンソースプロジェクトです。このプロジェクトでは、Microsoft Edgeのオンライン音声合成サービスを使用して、ユーザーが高品質な音声合成を行うことができます。

Synthesis Muyan-TTSは、ポッドキャスティングシナリオ用に設計されたオープンソースのテキスト音声合成（TTS）モデルです。100,000時間以上のポッドキャストオーディオデータで事前にトレーニングされており、ゼロサンプル音声合成をサポートし、高品質の自然な音声を生成します。このモデルはLlama-3.2-3...をベースにしています。

一般的な紹介 ChatTTSは対話シナリオ用に設計された生成音声モデルです。自然で表現力豊かな音声を生成し、多言語、複数話者をサポートし、対話型ダイアログに適しています。このモデルは、笑い、ポーズ、間投詞のようなきめ細かなリズムの特徴を予測し、制御することで、対話に適した音声を生成します。

総合紹介 リセンブルAIは、企業向けに設計された人工知能音声合成プラットフォームです。このプラットフォームは、最先端のAI音声生成技術と、将来の情報セキュリティのためのディープフェイクオーディオ検出を提供します。特徴として、音声クローニング、リアルタイムな偽造音声検出、AI透かし技術...

概要 ワンダークラフトは、コンテンツ制作者に音声・映像制作のためのワンストップ・ソリューションを提供する、AIを活用した画期的な音声・映像制作プラットフォームです。高度なAI技術により、テキストコンテンツを自然で滑らかな音声に変換し、20以上の言語に対応します。

一般的な紹介 IndexTTSはGitHubでホストされているオープンソースの音声合成(TTS)ツールで、index-tsチームによって開発されています。XTTSとTortoiseの技術をベースに、モジュール設計を改良することで、効率的かつ...

概要 Spark-TTSは、SparkAudioチームによって開発され、GitHubでホストされているオープンソースの音声合成（TTS）ツールで、ユーザーがテキストを自然で滑らかな音声に効率的に変換できるように設計されています。

総合紹介 Seaweed AIは、Yun Zhisheng AIオープンプラットフォームを搭載した、オンラインでテキストを音声に変換できるインテリジェントなダビング製品です。ユーザー自身が音声クローンを作成し、性別、アクセント、言語の異なるAI発音者を提供し、テキスト入力後に直接音声をダビングすることができます。また、テキストを入力した後、直接音声をダビングすることもできます。

概要 Orateは、音声生成と文字起こしに特化したAIツールキットです。Orateは、OpenAI、ElevenLabs、AssemblyAIなどの主要なAIプロバイダーとシームレスに統合する統一APIを提供し、ユーザーが強制的に音声を作成できるようにします。

包括的な紹介 Himalaya Audio Editorは包括的なAIオーディオ作成プラットフォームです。プロ級のポッドキャスト制作、マルチトラックレコーディング、オーディオ編集、テキストを音声に変換する機能など、ユーザーをサポートする強力な機能を提供します。また、このプラットフォームにはプロフェッショナルな音声のための複数のオプションが含まれており、ユーザーをサポートします...

概論 ヒュームAIは感情知能に特化したAI企業で、人間の感情を理解し反応するマルチモーダルAI技術を開発している。同社の主力製品であるEmpathic Voice Interface（EVI）は、ユーザーの感情を認識し、それに応答することができる。

総合紹介 マジックボイス工房は、ソフトウェアアフレコ、リアルアフレコ、サウンドライブラリ、クローンサービスなどの情報をワンストップで提供するショートビデオ・AIアフレコプラットフォームです。このプラットフォームは、音声編集、AIコピー生成、ビデオ編集、音声関連サービスやコンテンツ制作のためのコラボレーションツールを統合しています。ユーザーはオーディオ編集を体験...

概要 XAudioProは、プロフェッショナルかつポータブルな先進的なオンラインオーディオリアルタイム編集およびトランスコードツールです。カット、クロップ、コピー、削除、復元、振幅ゲインコントロールなどのプロフェッショナルなオーディオ編集機能をサポートします。また、スペクトルサブトラクションノイズ除去、ローパスノイズ除去などのノイズ除去サービスも提供します。

一般的な紹介 Parler-TTSは、Hugging Face社によって開発されたオープンソースの音声合成（TTS）モデルライブラリで、高品質で自然な音声を生成するように設計されています。このモデルは、特定の話者スタイル（性別、ピッチ、話し方など）の入力テキストに基づいて音声を生成することができます。

概要 YouTube Dubbingは、動画クリエイターと視聴者に多言語吹き替えサービスを提供するために設計されたインテリジェントな吹き替えプラットフォームです。AI技術により、YouTube動画を自動的に翻訳し、吹き替え音声を生成します。ユーザーがインストールする必要があるのは...

一般的な紹介 PodcastfyはオープンソースのPythonパッケージで、生成人工知能（GenAI）技術を使用して、ウェブコンテンツ、PDFファイル、テキスト、画像、YouTube動画、その他多くのソースを魅力的な多言語に変換します。

概要 Jellypodは、ユーザーが簡単に高品質のAIポッドキャストを作成、編集、公開できるように設計された強力なAIポッドキャストスタジオです。Jellypodを使用すると、ユーザーは、パーソナライズされたポッドキャストホストを設計し、スクリプトを洗練させ、ポッドキャストを公開することができます。

概要 NotebookLM Podcastは、人工知能技術を使ってあらゆるテキストコンテンツをダイナミックで魅力的なオーディオポッドキャストに変換する革新的なプラットフォームです。学生、教育者、コンテンツ制作者、多忙なプロフェッショナルなど、NotebookLM...

概論 PlayAIは、音声生成と音声クローニングに特化したAIプラットフォームである。スムーズで感情的なダイアログを生成できる幅広い音声モデルを提供しています。ユーザーはこのプラットフォームを使って、対話体験を向上させるパーソナライズされた音声エージェントを作成することができます。

概要 Open NotebookLMは、あらゆるPDF文書をポッドキャストに変換するために設計されたオープンソースプロジェクトです。このツールは、オープンソースのLarge Language Model (LLM)とText-to-Speech (TTS)モデルを使用してPDFコンテンツを処理し、オーディオポッドキャストに適した自然なダイアログを生成します...

概要 Autiobooksは、.epub形式のeBookを.m4b形式のオーディオブックに素早く変換するためのオープンソースツールです。自然で滑らかな音声を生成するために、Kokoroが提供する高品質の音声合成技術を使用しています。このツールは...

総合紹介 QuickPiperAudiobookは、様々なテキスト形式（epub、mobi、txt、PDF、HTMLなど）を、簡単なコマンド1つで自然な音声のオーディオブックに変換するために設計されたオープンソースプロジェクトです。このツールはPi...

包括的な紹介 csm-mlxはAppleが開発したMLXフレームワークをベースにしており、特にApple Silicon (Apple Silicon) CSM (Conversation Speech Model)音声対話モデル用に最適化されています。このプロジェクトにより、...

概要 MLX-Audioは、AppleのMLXフレームワークをベースに開発されたオープンソースツールで、音声合成（TTS）と音声合成（STS）機能に重点を置いています。アップルシリコン（Mシリーズチップなど）のパワーを活用しています...

一般的な紹介 Audibitはオープンソースプロジェクトで、主な機能は、ハッカーニュース、TechCrunchや他の人気のある技術記事を自動的にオーディオポッドキャストに変換することです。このプロジェクトは...

包括的な紹介 MegaTTS3は、ByteDanceが浙江大学と共同で開発したオープンソースの音声合成ツールで、高品質な中国語と英語の音声を生成することに重点を置いています。MegaTTS3のコアモデルは、わずか0.45Bパラメータで、軽量かつ効率的です。このプロジェクトは ...

総論 "猫と星"（maoyuxing.com）は、子供のために設計されたインタラクティブな物語作成プラットフォームであり、モバイルアプリケーションを通じて、親子が一緒にパーソナライズされたおとぎ話を作成するのに役立ちます。ユーザーは、子供の名前や好みなどの情報を入力することで、ユニークな物語コンテンツを作成することができる。

一般的な紹介 Kimi-Audioは、Moonshot AIによって開発されたオープンソースの音声ベースモデルで、音声の理解、生成、対話に焦点を当てています。音声認識、音声Q&A、音声感情認識など、幅広い音声処理タスクをサポートしています。このモデルは130以上のテストが行われています。

概要 Acoustは、最新のAI技術を駆使してリアルな音声を生成する、オンラインAI音声生成・音声合成（TTS）サービスプラットフォームです。また、強力なビデオ編集ツールも提供しており、ユーザーは複数のソフトウェアを使用することなくビデオ制作を完了することができます。

包括的な紹介 Vapiは開発者向けの音声AIプラットフォームです。Vapiは、リアルタイムの会話、電...

包括的な紹介 TTS Importerは、Azure TTS（Text-to-Speech）音声合成サービスを様々な読み上げソフトに簡単にインポートできるように設計されたオープンソースプロジェクトです。このツールは、Read（legado...）を含むいくつかの一般的な読み上げソフトウェアをサポートしています。

概論 NVIDIA AI Blueprint: PDF to Podcastは、NVIDIAが開発したオープンソースプロジェクトで、PDFドキュメントを魅力的なオーディオコンテンツに変換します。このプロジェクトは、NVIDIA NIM (NVIDIA AI Blueprint) を活用しています。

概要 Open-VoiceCanvasは、ItusiAIチームによって開発されたオープンソースの音声合成プラットフォームです。50以上の言語をサポートし、テキストを自然な音声に変換したり、音声をアップロードすることでパーソナライズされた音声をクローンすることができます。このプロジェクトはOpe...

概要 PlayHTは、AI音声生成に特化した効率的なオンラインプラットフォームで、ユーザーがテキストを自然でリアルな音声に素早く変換できるよう支援します。60以上の言語と多様なアクセントをサポートする600以上のAI音声を提供し、ポッドキャスト制作、教育コンテンツ、マーケティングプロモーション...

一般的な紹介 Diaは、Nari Labsによって開発されたオープンソースのテキスト音声合成（TTS）モデルで、超リアルなダイアログ音声を生成することに重点を置いています。テキストスクリプトを一度の処理でリアルな複数文字のダイアログに変換し、感情やイントネーションの制御をサポートし、さらに非言語表現も生成します。

一般的な紹介 Paper to Podcastは、学術研究論文を生き生きとした楽しいポッドキャストに変換することに特化したオープンソースのツールです。人工知能技術を使ってPDF形式の論文を3人の登場人物（ホスト、学習者、専門家）の対話に変え、複雑な...

一般的な紹介 Text2Voiceは、シリコンベースのモビリティAPIに基づいた音声合成機能を提供するオープンソースツールで、クリーンなグラフィカル・ユーザー・インターフェース（GUI）が最大の特徴である。開発者のシェルドン・リーがGitHubで作成したもので、...

概論 ElevenLabs MCPはGitHubでホストされているElevenLabsの公式オープンソースプロジェクトです。モデル・コントロール・プロトコル（Model Context Protocol, MCP）に基づいたサービスです。

概要 Podcastleは、AIベースのオンラインプラットフォームで、ユーザーが高品質なポッドキャストを素早く作成・編集できるよう支援することに特化しています。録音、編集、公開の機能が統合されており、ユーザーは特別な機器や複雑なソフトウェアを必要とせず、すべてブラウザから行うことができる。このプラットフォームが利用するのは...