#voice-cloning

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。