約7分で読めます
Amazon Polly：AWSクラウドTTS、4種類のエンジン
Amazon PollyはAWSのクラウドTTSサービスで、低価格のStandard音声から高品質なLong-Formナレーションまで4種類の音声エンジンを提供し、AWSと緊密に連携します。
TTSAmazon PollyAWSクラウドAPISSML
続きを読む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。
読了約8分
Azure AI Speech：Microsoftのクラウドニューラル音声合成
Azure AI SpeechはMicrosoft公式のクラウドTTSサービスで、数百種類のニューラル音声、カスタム音声のトレーニング、実運用規模での完全なSSML制御を提供します。
TTSAzure AI Speechニューラル音声SSMLクラウドAPI
続きを読む読了時間：約7分
Edge TTS：Microsoftのニューラル音声合成を無料で利用
Edge TTSは、Microsoft Edgeの「音声で読み上げる」機能を支えるものと同じオンライン音声を、APIキーやアカウントなしで利用できる無料のオープンソースツールです。
Edge TTSMicrosoft Edgeテキスト読み上げニューラル音声Python TTS
続きを読む7 分で読めます
SeamlessM4T：Meta のオールインワン音声翻訳モデル
SeamlessM4T は、音声認識・翻訳・音声合成を最大 100 言語対応の単一システムに統合した、Meta のオープンソースモデルです。
音声翻訳多言語音声音声間翻訳自動音声認識SeamlessM4T
続きを読む約6分で読めます
MaskGCT：Amphionのマスク生成型ゼロショットTTSモデル
MaskGCTは、アラインメントと継続時間予測を完全に省き、わずか5秒の音声から声をクローンするAmphionの非自己回帰型TTSモデルです。
TTSAmphionマスク生成音声クローンMaskGCT
続きを読む読了目安 7 分
FireRedTTS：吹き替えとチャット向けの Xiaohongshu 基盤 TTS
FireRedTTS は Xiaohongshu の基盤 TTS フレームワークです。吹き替え向けのゼロショット音声クローンと、AI チャットボット向けに指示チューニングされたカジュアルな音声を提供します。
FireRedTTSTTSXiaohongshu音声クローン会話音声吹き替え
続きを読む読了目安：7分
Spark-TTS：単一コーデックによるゼロショット音声クローン
Spark-TTS は、Qwen2.5 を基盤とする単一ストリーム音声コーデック BiCodec を使い、1つのオープンモデルでゼロショット音声クローンと完全な合成音声の作成を実現します。
TTS音声クローンゼロショット音声クローンBiCodecSpark-TTS
続きを読む読了目安 7 分
NeuTTS Air：オンデバイスで動く軽量音声クローンモデル
NeuTTS Air は、10億未満のパラメータで構成された Neuphonic のオンデバイス TTS モデルです。わずか3秒の音声から声をクローンし、スマートフォンや Raspberry Pi で動作します。
NeuTTS Airオンデバイス TTS音声クローン軽量 TTSGGUFRaspberry PiNeuphonic
続きを読む読了目安 7 分
Kyutai Pocket TTS：1億パラメータのCPUリアルタイムモデル
Kyutai Pocket TTSは、1億パラメータ、MITライセンスのモデルです。GPUを必要とせず、CPUだけでリアルタイム音声合成とゼロショット音声クローンを実行します。
Kyutai Pocket TTSCPUテキスト読み上げリアルタイムTTSゼロショット音声クローンCALMMITライセンス
続きを読む読了時間：7分
KaniTTS：わずか3GBで動く超低VRAMのテキスト読み上げ
KaniTTSは、コンパクトなLFM2言語モデルと効率的なニューラル音声コーデックを組み合わせ、合計わずか3GBのGPU VRAMでリアルタイム音声合成を実行します。
KaniTTSテキスト読み上げ低VRAM TTS音声LLMリアルタイムTTSオープンソース
続きを読む約7分で読めます
VoxCPM：トークナイザー不要の中英バイリンガル低遅延TTSモデル
VoxCPMはOpenBMBによる中国語・英語対応のトークナイザー不要TTSモデルで、一般向けGPU上でリアルタイム係数0.17を達成し、文脈に応じた韻律を自動生成します。
VoxCPMTTSトークナイザー不要の音声合成バイリンガルTTS低遅延ストリーミングOpenBMB
続きを読む7 分で読めます
Voxtral TTS：Mistral のオープンウェイト音声クローンモデル
Voxtral TTS は Mistral AI の 4B オープンウェイトモデルです。2～3 秒の音声から声をクローンし、品質を ElevenLabs と直接ベンチマークしています。
TTSオープンウェイト TTS音声クローン多言語 TTSVoxtral TTS
続きを読む