Àkọlé àtòjọ-ẹ̀yàn

Kokoro ní móòdù àkọlé-si-ìbàlẹ̀ àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

Piper ní inú iṣẹ́ àkọlé-si-ìbàlẹ̀ tí Rhasspy tí lo VITS atí larynx architectures. Ò rọ́ọ̀nù ní pàtó nípa CPU, tí o fi jẹ́ ìṣàfarawésókè fún àwọn àpá-ìṣàmúlò-ètò, ìṣàfihàn ilé, àtí àwọn ìṣàmúlò-ètò tí fẹ́ TTS tí kò bá jẹ́ nípa intanẹ́ẹ̀tì. Nínú àwọn ìraǹrọ̀ 100 lọ́wọ́lọ́wọ́ nínú àwọn ìtàn 30+ ni Piper ǹfi àwọn àkọlé tí a tí ìgbá tí a tí ǹṣè gbọ̀ nínú àwọn ìṣàfihàn tí a tí ǹṣè nínú Raspberry Pi 4.

VITS (Ìṣàfilọ́lẹ̀ Ìyatọ̀ láti inú ìmọ̀ ìṣàfilọ́lẹ̀ ìṣàfilọ́lẹ̀ fún àkọlé-si-ìbàlẹ̀-si-ìbàlẹ̀) ní àwọn ìṣàfilọ́lẹ̀ TTS ìsàlẹ̀ fún ìsàlẹ̀ tí wọ́n mú àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

MeloTTS láti MyShell.ai ní àwọn láìbòójútó TTS tí wọ́n gbọ́dọ̀ sílẹ̀ nínú àwọn ìtàn mìíràn tí wọ́n gbọ́dọ̀ sílẹ̀ nínú Àwọn Àkọsílẹ̀ (Ameríka, British, Indian, Australia), Sẹ́fànì, Fẹ́rẹ̀sì, Chinese, Japanese, àti Korean. O jẹ́ ìráwọ́lẹ̀, ìṣàfarawé àwọn àkọsílẹ̀ nínú ìráwọ́lẹ̀ àwọn àkókò nínú CPU. MeloTTS tí a ṣè fún ìlòòròrò àti ìṣàfarawé CPU àti GPU.

Bark tí Suno jẹ́ móòdù àkọlé-si-àwòrán tí a dá lorí ìṣàfarawe-ìdálẹ̀ tí lè mú ìgbàgbọ́ tí o jẹ́ ìṣàfarawe-ìṣàfilọ́lẹ̀, àwọn ìtàn-ìdálẹ̀ gẹgẹbi àwọn ìtàn, ìgbọ́wọ́ ìsàlẹ̀-ilà, àti àwọn ìṣàfàlì ìsàlẹ̀-ilà. O lè mú ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ à

Bark Small is a distilled version of the Bark model that trades some audio quality for significantly faster inference speeds and lower memory requirements. It retains Bark's ability to generate speech with emotions, laughter, and multiple languages.

CosyVoice 2 láti inú Lábò Tongyì Alibabà gbá ìṣàfarawé ìṣàlàyé ìṣàfihàn àwọn ìṣàmúlò-ètò tí a lò nígbà gidì. O ló ìṣàfihàn tí a tí kọ̀ọ̀kan fún ìṣàfihàn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìṣà

Dia ti Nari Labs jẹ́ móòdù àkọlé-si-ìbàlẹ̀ àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

Parler TTS ní móòdù àkọlé-si-ìgbàkalẹ̀ tí n ló àwọn ìṣàfihàn àwọn ìròyìn ìranlọwọ̀ ìranlọwọ̀ tí a ṣẹ̀dà. Nígbà tí o bá yan láti inú àwọn ìrànwọ́, ò sọ̀kalẹ̀ ìranlọwọ̀ tí o fẹ́ (gẹ́gẹ́ bíi, "ìrọ̀ obinrin tí o ní ìṣàfihàn British kan, tí o bá sọ̀kalẹ̀ lẹ́wá nípa ìròyìn") àti Parler kọ̀ọ̀kan àwọn ìrànwọ́ tí o bá jẹ́. Ò jẹ́ ìṣàfihàn tí a lè lò fún àwọn ìṣàfihàn ìṣàfihàn.

GLM-TTS láti inú Zhipu AI ní ìṣàmúlò-ètò àkọlé-si-ìbàlẹ̀ tí a kọ̀ ní pàtó àwọn àwọn ààyè-iṣẹ́ Llama pẹlú ìdákọ́ àwọn ìṣàmúlò-ètò. Ó gbá àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

IndexTTS-2 ní ìṣàmúlò-ètò àkọlé-si-ìbàlẹ̀ tí o pọ̀ jú lọ nínú ìṣàfarawe-ìrọ̀ àti ìdárawọ́ àwọn ìrawọ́lẹ̀. O lè ṣẹ̀dá àwọn ìrawọ́lẹ̀ àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

Spark TTS láti inú SparkAudio ní móòdù àyọkà-si-ìgbàkalẹ̀ tí n pọ̀jú kọ̀ǹpútà ìṣàfarawe-ìrọ̀ láti inú ìṣàfarawe-ìrọ̀ tí a lè kọ̀ǹpútà àwọn ìrànwọ́ àti àwọn ìṣàfilọ́lẹ̀. Nínú ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀, o lè kọ̀ǹpútà àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀ àwọn ìṣàfilọ́lẹ̀

GPT-SoVITS tí n pọ̀pọ̀ ìṣàfihàn ìtàn GPT-ìdáràǹyàǹ láti inú SoVITS (Ìṣàfihàn Àwọn Àwòrán Nípa Àwọn Àkọsílẹ̀ àti Àwọn Àkọ́kọ́) fún ìṣàfihàn àwọn àwòrán tí a tí ìgbà kan. Nínú àwọn ìsẹ̀yìn àwọn àwòrán 5, o lè kọ́ọ̀kan àwòrán àti ìṣàfihàn àwọn àwòrán tuntun nígbà tí o ǹpa àwọn àbùdá tí a fi sọ̀rọ̀. Ò jẹ́ àwọn àwòrán tí a lò nínú ìṣàfihàn àwòrán tí a ǹgbà sọ̀rọ̀ atí tí a ǹgbà kọ́ọ̀kan.

Orpheus ní móòdù àkọlé-si-ìbàlẹ̀ nlà tí n gba ìṣàfihàn ìrànwọ́ inú eniyan. Tí a kọ̀ nípa àwọn aago 100,000 tí a tí sọ̀rọ̀ kọ̀ọ̀kan, ò jẹ́ ìṣàfihàn àwọn ìbàlẹ̀ nípa àwọn ìrànwọ́ inú, àwọn ìṣàfihàn, àtí àwọn ìṣàfihàn. Orpheus lè kọ̀ọ̀kan àwọn ìbàlẹ̀ tí a kò lè yatọ̀ sí àwọn ìṣàfihàn inú eniyan.

Chatterbox láti inú Resemble AI ní módè́lì ìṣàfarawé àwọn ìròyìn àwọn ìròyìn àwọn ìròyìn. O lè ṣẹ̀dà àwọn ìròyìn láti inú àwọn ìṣàmúlò-ètò àwọn ìròyìn kan nípa ìṣàfihàn tí a lè fi pamọ́, kò ní tímórà̀ nikan, ṣugbọn àwọn ìṣàfihàn àwọn ìṣàfihàn àwọn ìròyìn àwọn ìròyìn. Chatterbox ní àwọn àwọn ààyè ìròyìn àwọn ìròyìn tí a lè fi pamọ́, tí o fi hàn ọ̀kan ìròyìn àwọn ìròyìn àwọn ìròyìn àwọn ìròyìn àwọn ìròyìn àwọn ìròyìn.

Tortoise TTS ní ìṣàmúlò-ètò àkọlé-si-ìbàlẹ̀-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-ìgbà-i

Àwọn Ìṣàmúlò-ètò TTS 2 gba ìṣàmúlò-ètò TTS ìpele-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ̀n-àwọ

OpenVoice láti MyShell.ai gba ìṣàfarawe àwọn àwòrán láti inú àwọn àwọn àwọn àwọn àwòrán tí a tí kọ́ nípa àwọn àwọn àwọn àwòrán, àwọn àwọn àwọn àwòrán, àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn à

Qwen3-TTS ní móòdù àkọlé-si-ìbàlẹ̀ àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

Sesame CSM (Conversational Speech Model) ní módè́lì àwọn párítì̀tì bilíọnu 1 tí a ṣé fún ìṣàfihàn àwọn àkọlé àkọlé. O tí ṣé àwọn módè́lì àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn à

Chatterbox Turbo tí Resemble AI ṣe ní ìṣàfihàn àwọn ààtòjútó 350M sí Chatterbox, tí o fi ààtòjútó lọ́wọ́lọ́wọ́ lọ́wọ́lọ́wọ́ lọ́wọ́lọ́wọ́ lọ́wọ́lọ́wọ́ lọ́wọ́lọ́wọ́. Ò ǹfá àwọn àmì-ìwé paralinguistic bí [laugh], [cough], àti [chuckle] nípa àkọ́lé. Ò ní àwọn àmì-ìwé Perth nípa àwọn àwòrán gbogbò tí a tí kọ̀ nípa ìṣàfihàn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

Zonos v0.1 láti Zyphra ní móòdù àwọn ààtòjú 1.6B tí a fi àwọn àwọn ààtòjú àwọn ààyè-iṣẹ́ pamọ́ nípa ìṣàfilọ́lẹ̀ fún ìrànwọ́, ìrànwọ́, ìrànwọ́, ìgbọ́wọ́, àti ìṣàfarawé. Ò ǹfí 200K+ àwọn ààyè-iṣẹ́ pẹ̀lú ìṣàfilọ́lẹ̀ àwọn àwọn ìṣàfilọ́lẹ̀ pẹ̀lú ìmọ̀rọ̀ọ̀kan-ìrọ̀ nípa ìṣàfilọ́lẹ̀ àwọn àwòrán 10-30 sekúǹdù tí a fi pamọ́.

Dia2 láti Nari Labs ní ìṣàfihàn-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣàfilọ́lẹ̀-ìṣà

VoxCPM 1.5 tí OpenBMB jẹ́ móòdù TTS tí kò ní àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn à

OuteTTS n ṣàfihàn àwọn módè́lì ìraǹrọ̀ nlà láti inú àwọn ìpéwọ̀n àkọ́lé-si-ìbálẹ̀ nígbà tí o ǹpárá àwọn ààyè orílẹ̀. O ǹfàyé àwọn ààyè ìsàlẹ̀ àwọn ìṣàfihàn lọ́wọ́lọ́wọ́ àti àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

TADA (Text-Acoustic Dual Alignment) ti Hume AI ní módè́lì TTS tí ò fi hàn ìdájọ́lẹ̀̀̀lẹ̀̀̀lẹ̀̀̀lẹ̀̀̀lẹ̀̀̀lẹ̀̀lẹ̀̀lẹ̀̀lẹ̀̀lẹ̀̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ̀lẹ

VibeVoice ti Microsoft ti wa ni àwọn ìṣàfarawé àwọn ìṣàmúlò-ètò meji: àwọn módè́lì 1.5B fún àwọn àkọlé àwọn ìṣàmúlò-ètò ìgbà (si 90 àwọn àkókò, 4 àwọn ìgbàgbọ́) àti àwọn módè́lì 0.5B Fún Ìgbá Ìṣàmúlò-ètò Ìṣàfilọ́lẹ̀ pẹlú àwọn àwọn àkọlé àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn

Pocket TTS láti Kyutai (àwọn ìṣàfilọ́lẹ̀ Moshi) ní módè́lì àkọ́lé-si-ìbàlẹ̀ àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn àwọn à

Kitten TTS by KittenML is an ultra-lightweight text-to-speech model built on ONNX. With variants from 15M to 80M parameters (25-80 MB on disk), it delivers high-quality voice synthesis on CPU without requiring a GPU. Features 8 built-in voices, adjustable speech speed, and built-in text preprocessing for numbers, currencies, and units. Ideal for edge deployment and low-latency applications.

CosyVoice3 is the latest evolution from Alibaba's FunAudioLLM team. It features bi-streaming inference with ~150ms latency, instruction-based control for emotion/speed/volume, and improved speaker similarity for zero-shot cloning. Supports 9 languages plus 18 Chinese dialects. RL-tuned variant delivers state-of-the-art prosody.

MOSS-TTS from OpenMOSS supports generation of up to 1 hour of continuous speech across 20 languages. Features token-level duration control, phoneme-level pronunciation control via IPA/Pinyin, and code-switching between languages. The 8B production model delivers state-of-the-art quality with zero-shot voice cloning from reference audio.

MegaTTS3 from ByteDance uses a novel sparse alignment mechanism combined with a latent diffusion transformer. Features adjustable trade-off between speech intelligibility and speaker similarity for zero-shot voice cloning.