# TTS

kokoro-onnxは、KokoroモデルとONNXランタイムに基づくテキスト読み上げ（TTS）プロジェクトです。英語に対応しており、フランス語、日本語、韓国語、中国語への対応も計画されています。macOS M1ではほぼリアルタイムの高速性能を実現し、ささやき声を含む様々な音声オプションを提供します。モデルは軽量で、約300MB（量子化後約80MB）です。このプロジェクトはGitHub上でオープンソースとして公開されており、MITライセンスを採用しているため、開発者は容易に統合して使用できます。

FlashはElevenLabsが最新リリースしたテキスト読み上げ（Text-to-Speech、TTS）モデルです。75ミリ秒で音声生成（アプリとネットワークの遅延時間含む）を実現し、低遅延の会話型音声エージェントに最適なモデルです。Flash v2は英語のみ対応ですが、Flash v2.5は32言語に対応しており、2文字につき1クレジット消費します。ブラインドテストで、同様の超低遅延モデルを継続的に上回り、速度と品質を両立したモデルです。

Auralisは、テキストを自然な音声に高速変換できるテキスト音声変換（TTS）エンジンです。音声クローンに対応しており、処理速度が非常に速いため、長編小説であっても数分以内に処理できます。高速性、高効率性、容易な統合、高品質のオーディオ出力が主な特長であり、迅速なテキスト音声変換が必要な場面に最適です。AuralisはPython APIに基づいており、長テキストのストリーミング処理、組み込みオーディオエンハンサー、自動言語検出などの機能を備えています。製品背景情報によると、AuralisはAstraMind AIによって開発され、現実世界のアプリケーションに実用的なテキスト音声変換ソリューションを提供することを目的としています。価格についてはページ上に明示されていませんが、コードベースはApache 2.0ライセンスで公開されており、プロジェクトで無料で利用できます。

小動画宝（ClipTurbo）は、AI駆動型の動画生成ツールです。ユーザーが簡単に高品質なマーケティング動画を作成できるよう設計されています。このツールは、AI技術を活用して文案処理、翻訳、アイコンマッチング、TTS音声合成を行い、最終的にmanimで動画をレンダリングすることで、生成AI単体によるプラットフォームの制限を回避します。小動画宝は様々なテンプレートに対応しており、ユーザーは必要に応じて解像度、フレームレート、アスペクト比、画面方向を選択でき、テンプレートが自動的に適応します。さらに、EdgeTTS音声を含む複数の音声サービスに対応しています。現在、小動画宝は開発初期段階にあり、三花AIの登録ユーザーのみに提供されています。

Ortlinは、技術者でも非技術者でも、誰でもOpenAIのAPIと基盤となるモデルを簡単に操作できるように設計されたWebベースのグラフィカルユーザーインターフェースです。完全に無料でオープンソースであるため、OpenAIの強力な機能を誰もが容易に利用できます。

Voice-Proは、字幕、翻訳、テキスト読み上げ（TTS）機能を統合したソリューションです。動画への多言語字幕と多言語音声の追加に対応し、動画コンテンツの世界展開を支援します。OpenAI Whisperとオープンソースの翻訳ツール、TTS技術を採用し、ワンクリックインストールとポータブルな使用を実現しています。また、UVR5とMetaのDemucsエンジンを使用したVocal Removerを搭載し、音声認識の精度向上を図っています。

Parler-TTSは、Hugging Faceが開発した軽量のテキスト音声変換（TTS）モデルです。指定された話者のスタイル（性別、トーン、話し方など）で、高品質で自然な音声の生成が可能です。Stability AIとエディンバラ大学のDan Lyth氏とSimon King氏による論文『Natural language guidance of high-fidelity text-to-speech with synthetic annotations』に基づいて再現されており、データセット、前処理、トレーニングコード、ウェイトを含め、完全にオープンソースで公開されています。他のTTSモデルとは異なり、Parler-TTSはデータセット、前処理、トレーニングコード、そしてウェイトを含め全てがオープンソースで公開されています。機能としては、高品質で自然な音声出力の生成、柔軟な使用と展開、豊富な注釈付き音声データセットの提供などが挙げられます。価格：無料

VoiceBarは、多言語と様々なアクセントに対応し、高品質でリアルなAI音声合成サービスを提供します。サブスクリプション不要で、非常に競争力のある価格です。ボイスメッセージ、多言語テキスト音声変換、TikTok、解説動画、学習など、幅広い用途にご利用いただけます。

Unreal Speechは、テキストを音声に変換するAPIです。音声合成のコストを大幅に削減できます。Eleven LabsやPlay.htと比べて20倍安く、Amazon、Microsoft、Googleと比べて4倍安価です。高品質の音声合成を提供し、ユーザーのニーズに合わせて音声やフォーマットをカスタマイズできます。リアルタイムデモや、他の音声合成エンジンとの比較も可能です。価格は文字数と音声の長さに基づいて計算され、利用量が増えるにつれて割引が適用されます。

Voice Remakerは、完全に無料の埋め込み型AI音声生成ツールです。最先端の音声合成技術を用いて、人間の声に限りなく近いオーディオを生成します。AIテキスト読み上げ、履歴表示、オーディオファイルのダウンロードと削除機能に対応しています。Voice Remakerを使えば、テキストを自然な音質の音声に瞬時に変換し、MP3形式でダウンロードして保存できます。