
Kokoro Onnx
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。
テキスト読み上げ音声
64.3K
海外精選

Elevenlabs Flash
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。
テキスト読み上げ音声
56.9K

Auralis
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。
文章音声変換
77.0K

小動画宝
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。
映像制作
76.5K
高品質新製品

Ortlin
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。
開発とツール
49.1K

Voice Pro
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。
AI動画編集
57.4K
高品質新製品

Parler TTS
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
AI音声合成
177.7K

Voicebar
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。
テキスト音声変換
115.1K

Unreal Speech
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。
テキスト読み上げ音声
73.7K

Voice Remaker 最高性能AI音声生成ツール
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。
AI音声合成
107.4K
おすすめAI製品
海外精選

Jules AI
Jules は、自動で煩雑なコーディングタスクを処理し、あなたに核心的なコーディングに時間をかけることを可能にする異步コーディングエージェントです。その主な強みは GitHub との統合で、Pull Request(PR) を自動化し、テストを実行し、クラウド仮想マシン上でコードを検証することで、開発効率を大幅に向上させています。Jules はさまざまな開発者に適しており、特に忙しいチームには効果的にプロジェクトとコードの品質を管理する支援を行います。
開発プログラミング
41.1K

Nocode
NoCode はプログラミング経験を必要としないプラットフォームで、ユーザーが自然言語でアイデアを表現し、迅速にアプリケーションを生成することが可能です。これにより、開発の障壁を下げ、より多くの人が自身のアイデアを実現できるようになります。このプラットフォームはリアルタイムプレビュー機能とワンクリックデプロイ機能を提供しており、技術的な知識がないユーザーにも非常に使いやすい設計となっています。
開発プラットフォーム
40.3K

Listenhub
ListenHub は軽量級の AI ポッドキャストジェネレーターであり、中国語と英語に対応しています。最先端の AI 技術を使用し、ユーザーが興味を持つポッドキャストコンテンツを迅速に生成できます。その主な利点には、自然な会話と超高品質な音声効果が含まれており、いつでもどこでも高品質な聴覚体験を楽しむことができます。ListenHub はコンテンツ生成速度を改善するだけでなく、モバイルデバイスにも対応しており、さまざまな場面で使いやすいです。情報取得の高効率なツールとして位置づけられており、幅広いリスナーのニーズに応えています。
AI
40.0K
中国語精選

腾讯混元画像 2.0
腾讯混元画像 2.0 は腾讯が最新に発表したAI画像生成モデルで、生成スピードと画質が大幅に向上しました。超高圧縮倍率のエンコード?デコーダーと新しい拡散アーキテクチャを採用しており、画像生成速度はミリ秒級まで到達し、従来の時間のかかる生成を回避することが可能です。また、強化学習アルゴリズムと人間の美的知識の統合により、画像のリアリズムと詳細表現力を向上させ、デザイナー、クリエーターなどの専門ユーザーに適しています。
画像生成
39.5K

Openmemory MCP
OpenMemoryはオープンソースの個人向けメモリレイヤーで、大規模言語モデル(LLM)に私密でポータブルなメモリ管理を提供します。ユーザーはデータに対する完全な制御権を持ち、AIアプリケーションを作成する際も安全性を保つことができます。このプロジェクトはDocker、Python、Node.jsをサポートしており、開発者が個別化されたAI体験を行うのに適しています。また、個人情報を漏らすことなくAIを利用したいユーザーにお勧めします。
オープンソース
40.6K

Fastvlm
FastVLM は、視覚言語モデル向けに設計された効果的な視覚符号化モデルです。イノベーティブな FastViTHD ミックスドビジュアル符号化エンジンを使用することで、高解像度画像の符号化時間と出力されるトークンの数を削減し、モデルのスループットと精度を向上させました。FastVLM の主な位置付けは、開発者が強力な視覚言語処理機能を得られるように支援し、特に迅速なレスポンスが必要なモバイルデバイス上で優れたパフォーマンスを発揮します。
画像処理
39.2K
海外精選

ピカ
ピカは、ユーザーが自身の創造的なアイデアをアップロードすると、AIがそれに基づいた動画を自動生成する動画制作プラットフォームです。主な機能は、多様なアイデアからの動画生成、プロフェッショナルな動画効果、シンプルで使いやすい操作性です。無料トライアル方式を採用しており、クリエイターや動画愛好家をターゲットとしています。
映像制作
17.6M
中国語精選

Liblibai
LiblibAIは、中国をリードするAI創作プラットフォームです。強力なAI創作能力を提供し、クリエイターの創造性を支援します。プラットフォームは膨大な数の無料AI創作モデルを提供しており、ユーザーは検索してモデルを使用し、画像、テキスト、音声などの創作を行うことができます。また、ユーザーによる独自のAIモデルのトレーニングもサポートしています。幅広いクリエイターユーザーを対象としたプラットフォームとして、創作の機会を平等に提供し、クリエイティブ産業に貢献することで、誰もが創作の喜びを享受できるようにすることを目指しています。
AIモデル
6.9M