画像・動画・音声

「TTS-V5」中国語音声合成モデル:必要VRAM 4GB〜・配布ファイル一覧

autotrust/TTS-V5はFun-CosyVoice3をベースにコールセンター向けの中国語音声合成に特化させたオープンウェイトモデルです。モデルのスペックや推論の手順を解説します。