Mistral Voxtral TTS — 3秒ボイスクローニング＋オープンウェイト、しかし日本語非対応
Mistralが公開した4BパラメータオープンウェイトTTSモデルVoxtralを分析する。3秒ボイスクローニング機能を備え人間評価でElevenLabsを超えた実力を持ちながら、日本語・韓国語非対応という致命的な弱点がアジア市場での利用を阻む。CC BY NCライセンスの注意点と代替案も解説する。
タグ
tts
3件の記事
Kitten TTS V0.8 — 25MB未満でSOTA達成の超小型TTSモデル完全解説
14Mパラメータ・25MB未満でクラウドTTS品質を実現するKitten TTS V0.8を徹底解説。エッジデバイス展開の可能性とローカル音声AI最新トレンドを分析します。
KaniTTS2 — 3GB VRAMでボイスクローニング可能なオープンソースTTSモデル
4億パラメータの軽量TTSモデルKaniTTS2がオープンソースで公開されました。3GB VRAMのみでゼロショットボイスクローニングが可能で、事前学習コードも完全公開。MOSスコアや音声品質の評価結果とともに、ローカルAI環境での実用的な活用可能性を詳しく解説します。