本文へスキップ

Llasa-3B

LLaMA ベースの中国語・英語対応 TTS モデル

公式サイトを見る

Llasa-3B とは

Llasa-3B は LLaMA アーキテクチャに基づくテキスト読み上げモデルと紹介され、中国語と英語の音声合成に特化している。XCodec2 の音声符号化を組み合わせ、文章を自然で滑らかな音声へ効率的に変えると説明されている。

できること

  • 中国語と英語の文章を効率よく音声に変換する
  • 与えられた音声プロンプトでより自然な音声を生成する
  • 独自学習で異なる音声スタイルに適応させる
  • オープンソースのモデルを自由に探索・拡張する

活用場面

  • オーディオブック向けに中国語と英語の音声を作る
  • 自然なやり取りを行う多言語の音声アシスタントを開発する
  • オンライン教育の講義音声解説を作成する

導入の手順

  • XCodec2 と関連する依存ライブラリを導入する
  • Hugging Face の AutoTokenizer と AutoModelForCausalLM を使う
  • 入力文章をモデルが受け付ける形に整える
  • 音声符号を生成し音声波形へ復号する

長所と短所

✓ 良い点

  • LLaMA アーキテクチャによる言語理解力
  • オープンソースで自由に探索・拡張できる

! 注意したい点

  • 音声合成は中国語と英語が中心
  • 生成は音声符号を経て波形に復号する流れ

よくある質問

対応する言語は?

資料は中国語と英語の音声合成を挙げる。

モデルは公開されている?

資料はオープンソースとして開発者が自由に探索・拡張できると説明。

最終評価日: 2026-11-15

その他 AIオーディオツール ツール

すべて見る →

評価方法