OpenVoice V2

OpenVoice V2は、多言語に対応した高品質の音声合成モデルで、高精度の音声クローン作成とスタイル制御機能を提供します。

国際セレクションオープンソース音声合成多言語

OpenVoice V2は、2024年4月にリリースされたテキスト読み上げ（Text-to-Speech、TTS）モデルです。V1のすべての機能を継承し、改良が加えられています。異なるトレーニング戦略を採用することで、より高音質な音声を実現し、英語、スペイン語、フランス語、中国語、日本語、韓国語など、複数の言語に対応しています。さらに、商用利用も無料で許可されています。OpenVoice V2は、参照音声のニュアンスを正確にクローンし、様々な言語やアクセントで音声生成が可能です。また、ゼロショットクロスリンガル音声クローンにも対応しており、生成音声と参照音声の言語が、大規模多言語トレーニングデータセットに含まれていない場合でも音声生成が可能です。

Best AI Websites & Tools

OpenVoice V2

OpenVoice V2 最新のトラフィック状況

OpenVoice V2 訪問数の傾向

OpenVoice V2 訪問地理的分布

OpenVoice V2 トラフィックソース

OpenVoice V2 代替品

OpenVoice V2 — OpenVoice V2は、多言語に対応した高品質の音声合成モデルで、高精度の音声クローン作成とスタイル制御機能を提供します。

Llasa — Llamaフレームワークに基づくTTS基礎モデルで、16万時間のトークン化された音声データに対応しています。

CosyVoice 2 — 拡張可能なストリーミング音声合成技術と大規模言語モデルを組み合わせた製品です。

CosyVoice — 多言語対応の大規模音声生成モデル。推論、学習、デプロイの全段階を網羅する機能を提供します。

VideoDubber — AIによる動画翻訳・音声合成

Voxify — 超高精細AI音声生成

Voicejacket — AI音声合成ツール。そのリアルさは想像を超えます。

Gemini Embedding テキスト埋め込みモデル — Gemini Embeddingは、Gemini APIを通じて強力な言語理解能力を提供する、高度なテキスト埋め込みモデルです。

Hugo Translator — LLMベースの記事翻訳ツール。多言語Markdownファイルを自動翻訳して作成します。

Aya Vision 32B — Aya Vision 32Bは、OCR、画像記述、視覚推論など、多様な用途に適した多言語対応のビジュアル言語モデルです。

Aya Vision 8B — 8億パラメーターの多言語視覚言語モデルで、OCR、画像キャプション、視覚推論などの機能をサポートしています。

Aya Vision — Aya Visionは、Cohereが提供する多言語・多モーダルなビジュアルモデルであり、多言語環境における視覚とテキストの理解能力の向上を目指しています。

LLaDA — LLaDAは大規模言語拡散モデルであり、強力な言語生成能力を備えており、LLaMA3 8Bと同等の性能を有します。

Deep Research Web UI — DeepSeek R1をサポートするAI駆動型のリサーチアシスタントで、検索エンジン、Webクローラー、大規模言語モデルを組み合わせて深層的なリサーチを行います。

スマート翻訳アシスタント — ワンストップの多言語翻訳ソリューション。テキスト、画像、PDF、音声、動画翻訳に対応

Phind.com — Phindは、多言語と複数の検索機能をサポートする高度な人工知能検索ツールです。

Octave TTS — Octave TTSは、テキストの意味を理解できる最初の音声合成モデルであり、感情豊かで風格のある音声を生成できます。

IndexTTS — 産業レベルで制御可能な、効率的なゼロショットテキスト音声変換システム

Phi-4-multimodal-instruct — Phi-4-multimodal-instructは、Microsoftが開発した軽量のマルチモーダル基礎モデルで、テキスト、画像、音声入力をサポートします。

SigLIP2 — SigLIP2は、Googleが開発した、ゼロショット画像分類に使用される多言語視覚言語エンコーダーです。

CLaMP 3 — CLaMP 3は、クロスモーダルかつクロスリンガルの音楽情報検索のための統合フレームワークです。

Step-Audio — Step-Audioは、多言語対応、感情表現、音声クローンなどの機能を備えたオープンソースのインテリジェント音声対話フレームワークです。

星声AI — 星声AIはAIポッドキャストジェネレーターであり、あらゆるコンテンツからAIポッドキャストを生成できます。

Zonos-v0.1-hybrid — Zonos-v0.1-hybridは、高品質の音声合成サービスを提供する、最先端のオープンソーステキスト読み上げモデルです。

LLaSA_training — LLaSA：LLaMAベースの音声合成の訓練時間と推論計算量を削減

PengChengStarling — PengChengStarlingは、icefallプロジェクトをベースとした多言語自動音声認識（ASR）モデル開発ツールキットです。

風車AI翻訳 — 風車AI翻訳は、画像・動画翻訳とスマートな背景除去など、多様なモダリティに対応した翻訳サービスを提供し、海外進出を支援します。

Kokoro TTS — StyleTTS 2アーキテクチャを基盤とした、8200万パラメーターを備える高度なAIテキスト音声変換モデルです。高品質で自然な音声合成を提供します。

Llasa-1B — Llasa-1Bは、LLaMAを基盤としたテキスト読み上げ（TTS）モデルであり、中国語と英語の音声合成に対応しています。

Llasa-3B — Llasa-3Bは、LLaMAを基盤としたテキスト音声合成モデルで、中国語と英語の音声生成に対応しています。