音声
F5 TTS
Official code for "F5-TTS: A Fairytaler that Fakes Fluent and Faithful Speech with Flow Matching"
★ 15.3k スターMIT
ガイドを見る →// audio · Aratako/T5Gemma-TTS
T5Gemma-TTS
T5Gemma-TTSは、Aratakoが公開しているオープンソースの音声プロジェクトです（GitHub: Aratako/T5Gemma-TTS）。GitHubスターは312、フォークは28で、MITライセンスの下で公開されています。GitHubでの最終更新は2026年4月3日です。
Multilingual TTS with voice cloning and duration control, on T5Gemma.
💎 隠れた名作★ 312 スター⑂ 28 フォークMIT更新 2026年4月
▦ ビジュアル — このプロジェクトのREADMEには埋め込み可能なスクリーンショットがないため、
ここではプレースホルダーを表示しています。下のガイド自体は完全な内容です。
ここではプレースホルダーを表示しています。下のガイド自体は完全な内容です。
// プロジェクトの基本情報
プロジェクト基本情報
- リポジトリ
- Aratako/T5Gemma-TTS
- GitHubスター
- 312
- フォーク
- 28
- ライセンス
- MIT
- GitHubでの最終更新
- 2026年4月3日
- カテゴリ
- 音声
- 掲載タイプ
- 隠れた名作 — あまり知られていないプロジェクトのための短めのページ
- 公式サイト
- Official site
// 仕組み
仕組み
- Get the weights
Download the model from Hugging Face.
- Prepare text
Write in any of the supported languages.
- Clone or pick a voice
Use a sample to clone, or a built-in speaker.
- Control the timing
Tune duration for precise delivery pacing.
// 機能
選ばれる理由
Multilingual TTS
Speaks across multiple languages from one model.
Voice cloning
Clones target voices from samples.
Duration control
Fine-grained control over speech timing.
T5Gemma backbone
Encoder-decoder LLM architecture for speech.
PyTorch and transformers
Standard tooling researchers already know.
MIT licensed
Free for personal and commercial use.
Advertisement
// 自分で実行
自分で実行してみる
- Step 1 — Clone the repo
Download the source and move into the project folder.
git clone https://github.com/Aratako/T5Gemma-TTS.git cd T5Gemma-TTS - Step 2 — Check the README
Every project documents its own setup; start with install requirements.
cat README.md | head -60 - Step 3 — Run it
Follow the project's launch command — Docker, pip, npm, or a binary release.
# see README for the exact launch command
// 活用例
作れるもの
- Research LLM-based speech synthesis.
- Generate multilingual voiceovers.
- Experiment with speech timing control.
- Clone voices for creative projects.
Advertisement
// よくある質問
よくある質問
Who maintains T5Gemma-TTS?
It is an open-source project at Aratako/T5Gemma-TTS with 28 forks. Check the repo's contributors and recent commits to see how active maintenance is.
Is T5Gemma-TTS free for commercial use?
MIT licensed — commercial use allowed with attribution.
What is duration control?
Fine-grained control over how long each part of the speech takes — useful for dubbing and pacing.
Which languages are supported?
It is described as multilingual — check the model card for the list.
Where are the weights?
Published on Hugging Face under the project's model page.
// さらに探索
似ているツール
音声
dia
A TTS model capable of generating ultra-realistic dialogue in one pass.
★ 19.4k スターApache-2.0
ガイドを見る →音声
EmotiVoice
EmotiVoice 😊: a Multi-Voice and Prompt-Controlled TTS Engine
★ 8.5k スターApache-2.0
ガイドを見る →音声
VoxCPM
VoxCPM2: tokenizer-free TTS for multilingual speech, creative voice design and true-to-life cloning
★ 38.4k スターApache-2.0
ガイドを見る →音声
Chatterbox
Chatterbox — Resemble AI's open-source TTS family: expressive text-to-speech and voice cloning, multilingual V3, low-latency Turbo and tiny Nano models, MIT
★ 27.1k スターMIT
ガイドを見る →音声
MOSS-TTSD
Multilingual long-form dialogue speech with zero-shot voice cloning.
★ 1.4k スターApache-2.0
ガイドを見る →// 代替候補
代替候補： 音声
LibreAIカタログに掲載された音声プロジェクトの中で最もスターの多いもの — T5Gemma-TTSが合わなかった場合に検討したい、現実的な候補リストです。
- MoneyPrinterTurbo★ 128.3k
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short videos from a topic or keyword with an automated AI workflow.
- Whisper★ 109.9k
Robust Speech Recognition via Large-Scale Weak Supervision
- GPT-SoVITS★ 62.3k
1 min voice data can also be used to train a good TTS model! (few shot voice cloning)
- Real-Time-Voice-Cloning★ 60.2k
Clone a voice from 5 seconds of audio and generate arbitrary speech in real time
- whisper.cpp★ 54.1k
Port of OpenAI's Whisper model in C/C++
// さらに見る audio
さらに見る： 音声
カタログの中でT5Gemma-TTSとスター数が近い音声プロジェクト — 前後の棚もそのまま見て回れます。
- whispering-ui★ 329
Native desktop UI for live Whisper transcription and translation.
- ComfyUI-Qwen3-TTS★ 304
Qwen3-TTS custom nodes for ComfyUI: clone, design, and fine-tune voices.
- yovoice★ 345
Open-source voice creation for desktop: local TTS, cloning, emotion.
- ostt★ 304
Voice-to-text for the Linux terminal, from a hotkey.
- subtitler★ 379
Free on-device web app that transcribes audio and renders subtitles.
- DictateKeyboard★ 297
Capable AI keyboard for reliable speech transcription.