coqui/XTTS-v2
ⓍTTS ⓍTTS is a Voice generation model that lets you clone voices into different languages by using just a quick 6-second audio clip. There is no need for an excessive amount of training data that spans countless hours. This is the same or similar mo...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Ngày
#1 Repository Của Tuần
#1 Repository Của Tháng
🗣️ Sao chép giọng nói đa ngôn ngữ chỉ bằng 6 giây với XTTS-v2
XTTS-v2 cho phép sao chép giọng nói sang bất kỳ ngôn ngữ nào chỉ cần một đoạn audio ngắn, không cần huấn luyện dài.
XTTS-v2 là mô hình sinh giọng nói (text-to-speech) mạnh mẽ từ dự án 🐸TTS của Coqui. Dự án này giúp người dùng dễ dàng sao chép giọng nói sang nhiều ngôn ngữ khác nhau chỉ với một mẫu âm thanh ngắn 6 giây, mang lại chất lượng cao và khả năng truyền đạt cảm xúc, phong cách tự nhiên.
✨ Điểm nổi bật
- Hỗ trợ 17 ngôn ngữ: bao gồm tiếng Anh, Tây Ban Nha, Pháp, Đức, Ý, Bồ Đào Nha, Ba Lan, Thổ Nhĩ Kỳ, Nga, Hà Lan, Séc, Ả Rập, Trung, Nhật, Hàn, Hindi và Hungary.
- Sao chép giọng nói nhanh: chỉ cần 6 giây âm thanh để sao chép lại giọng nói.
- Truyền đạo cảm xúc và phong cách: sao chép cả cảm xúc và phong cách của người nói.
- Sao chép liên ngôn ngữ: sao chép giọng nói từ một ngôn ngữ sang ngôn ngữ khác.
- Sinh giọng nói đa ngôn ngữ: tạo ra giọng nói đa ngôn ngữ tự nhiên.
- Tần số mẫu 24kHz: chất lượng âm thanh sống động.
💡 Vì sao đáng chú ý
XTTS-v2 cải tiến đáng kể so với phiên bản trước như thêm 2 ngôn ngữ mới (Hungary và Hàn), cải thiện kiến trúc điều kiện người nói, hỗ trợ nhiều tham chiếu người nói và nội suy giữa các người nói. Ngoài ra, mô hình còn mang lại prosody tốt hơn và chất lượng âm thanh cải thiện đáng kể.
#TextToSpeech #VoiceCloning #MultiLanguage #XTTSv2 #TiniX
Similar Projects
Discover other similar projects and AI models.
Kokoro is an open-weight TTS model with 82 million parameters. Despite its lightweight architecture, it delivers comparable quality to larger models while being significantly faster and more cost-efficient. With Apache-licensed weights, Kokoro can be...
Dia is a 1.6B parameter text to speech model created by Nari Labs. It was pushed to the Hub using the PytorchModelHubMixin(https://huggingface.co/docs/huggingfacehub/packagereference/mixinshuggingfacehub.PyTorchModelHubMixin) integration. Dia direct...
VibeVoice: A Frontier Open-Source Text-to-Speech Model VibeVoice is a novel framework designed for generating expressive, long-form, multi-speaker conversational audio, such as podcasts, from text. It addresses significant challenges in traditional...
Qwen3-TTS Overview Introduction Qwen3-TTS covers 10 major languages (Chinese, English, Japanese, Korean, German, French, Russian, Portuguese, Spanish, and Italian) as well as multiple dialectal voice profiles to meet global application needs. In add...
CSM 1B 2025/05/20 - CSM is availabile natively in Hugging Face Transformers(https://huggingface.co/docs/transformers/main/en/modeldoc/csm) 🤗 as of version 4.52.1 2025/03/13 - We are releasing the 1B CSM variant. The checkpoint is hosted on Hugging...
Chatterbox TTS Made with ❤️ by Latest Release: Chatterbox Multilingual V3 Chatterbox Multilingual V3 is the latest general-purpose multilingual TTS model in the Chatterbox family. It keeps the same 0.5B model size while improving speaker similarity,...
OmniVoice 🌍 OmniVoice is a massively multilingual zero-shot text-to-speech (TTS) model supporting over 600 languages. Built on a novel diffusion language model-style architecture, it delivers high-quality speech w...
VoxCPM2 VoxCPM2 is a tokenizer-free, diffusion autoregressive Text-to-Speech model — 2B parameters, 30 languages, 48kHz audio output, trained on over 2 million hours of multilingual speech data. !GitHub(https://img.shields.io/badge/GitHub-VoxCPM-blu...
audio.cpp GGUF Model Packages This directory contains audio.cpp-native GGUF conversions of multiple speech models. These files are intended for use with audio.cpp(https://github.com/0xShug0/audio.cpp). For conversion details, supported layouts, dire...