読了目安：7分
Qwen3-TTS：Alibaba のオープンソース音声クローンモデル
Qwen3-TTS（Qwen-TTS）は、97ms の遅延、3秒の音声によるクローン、テキストからの音声設計を備えた Alibaba のオープンソース TTS です。10言語に対応し、無料で試せます。
TTSオープンソース TTS音声クローン音声設計Qwen3-TTS
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。
約7分で読めます
IndexTTS2：動画吹き替え向けの長さ制御TTS
IndexTTS 2は、ミリ秒単位の長さ制御と感情・音色の分離を実現した初の自己回帰型TTSで、映像吹き替えの同期に特化して設計されています。
TTS長さ制御動画吹き替え感情制御IndexTTS2
続きを読む読了目安：8分
IndexTTS：Bilibiliがオープンソース公開したゼロショット音声クローンTTS
IndexTTSは、Pinyinによる発音修正と句読点によるポーズ制御に対応するBilibiliのオープンソースTTSで、精度ではXTTSとF5-TTSを上回ります。
TTSゼロショット音声クローン中国語 TTS発音制御IndexTTS
続きを読む読了目安：7分
CosyVoice3：方言対応を拡大し、発音精度も向上
CosyVoice3 は9言語と18を超える中国語方言に対応し、発音修正機能を追加。音声クローン精度のベンチマークでは F5-TTS などの大規模モデルを上回ります。
TTS多言語 TTS方言 TTS音声クローンCosyVoice3
続きを読む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
続きを読む6分で読めます
CosyVoice：Alibaba FunAudioLLM のゼロショット TTS モデル
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
続きを読む7分で読めます
Kokoro TTS：CPUで動く82Mの軽量音声モデル
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
続きを読む読了時間: 約7分
Chatterbox Multilingual：23言語対応の音声クローン
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
続きを読む読了時間: 約8分
Chatterbox Turbo：1ステップ蒸留による超高速 TTS
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
続きを読む読了時間: 約8分
Chatterbox TTS：Resemble AI のオープンソース音声クローンモデル
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
続きを読む読了時間: 約8分
Dia2 TTS：リアルタイム対話向けストリーミング音声モデル
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
続きを読む読了時間: 約8分
Dia TTS（Dia 1.6B）| マルチスピーカー対話 AI 音声モデル
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
続きを読む