AI モデル

オープンソースや人気の AI 音声モデルを解説し、Echora で近い機能を試す方法もご紹介します。

2026年8月27日6分で読めます

CosyVoice2：ストリーミング対応・低レイテンシの多言語 TTS モデル

CosyVoice2 は 150ms の初回パケット遅延で音声をストリーミングし、CosyVoice 比で発音エラーを 30〜50% 削減。指示による感情・アクセント制御も追加します。

TTSストリーミング TTS低レイテンシ TTS音声クローンCosyVoice2

2026年8月27日6分で読めます

CosyVoice は、教師ありセマンティックトークンを用い、わずか 3 億パラメータで 5 言語にわたるゼロショット音声クローンを実現する、Alibaba FunAudioLLM のオープンソース TTS です。

TTSオープンソース TTS音声クローン多言語 TTSCosyVoice

2026年8月27日7分で読めます

Kokoro-82Mは、8言語・54種類の音声を備え、GPUなしでCPU上でも高速に動作するApache-2.0ライセンスのTTSモデルです。無料、オープンソースで、セルフホストも容易です。

TTSオープンソースCPU TTSAI音声Kokoro-82M

2026年8月26日読了時間: 約7分

Chatterbox Multilingual は5〜10秒の音声から声をクローンし、アクセントと声色を保ったまま23言語で発話します。オープンソースで MIT ライセンスです。

TTS多言語 TTS音声クローン言語横断音声Chatterbox Multilingual

2026年8月26日読了時間: 約8分

Chatterbox Turbo は TTS 生成を10ステップから1ステップへ蒸留し、リアルタイム音声エージェントのレイテンシを150ミリ秒未満に短縮します。高速、オープンソース、MIT ライセンスです。

TTSオープンソース音声クローンAI音声Chatterbox Turbo

2026年8月19日読了時間: 約8分

Chatterbox は、ゼロショット音声クローン、感情表現の調整、透かしを備えた Resemble AI のオープンソース TTS モデルです。ElevenLabs との比較を解説します。

TTSオープンソース音声クローンAI音声Chatterbox

2026年8月18日読了時間: 約8分

Dia2 は、Nari Labs が開発した Dia TTS のストリーミング対応版です。テキストを受け取りながら、話者ごとの声を一貫して保つ複数話者の対話をリアルタイムで生成します。その仕組みを解説します。

TTSオープンソースストリーミング音声AI音声Dia2

2026年8月17日読了時間: 約8分

Nari Labs の Dia 1.6B は、リアルな感情、笑い声、ため息を含む複数話者の対話を一度に生成するオープンソース音声モデルです。無料でオンライン体験できます。

TTSオープンソースボイスクローンAI音声Dia