TangoFlux とは
本モデルは 515M パラメータの効率的な文章から音声への仕組みと紹介され、選好最適化の枠組みで整合性を高める。コードとモデルは公開されている。
できること
- 最長 30 秒の 44.1 キロヘルツの音声を生成する
- ステレオの背景音楽と効果音を作る
- 選好データの反復で整合性を整える
導入の手順
- GitHub から公開コードを取得する
- 依存ライブラリと環境を入れる
- 文章を入力してコードを動かし音声を作る
長所と短所
✓ 良い点
- 選好データの反復生成で整合性を高める
- 最長 30 秒の音声生成に対応
! 注意したい点
- 記載される実行環境は単一の A40 GPU
- 整合性の調整は CRPO の枠組みに沿う
よくある質問
生成の速さは?
資料は単一の A40 GPU で最長 30 秒の 44.1 キロヘルツの音声に 3.7 秒と説明。
コードは公開される?
資料はコードとモデルがすべてオープンソースと説明。
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 →-
Accent Guesser 声の録音からアクセントを判定する 無料ツール クリエイターツール オーディオ 音声からテキスト 教育ツール -
AccurateScribe.ai 音声と動画の書き起こし 無料ツール クリエイターツール 動画からテキスト オーディオ 音声からテキスト -
Adobe Podcast ブラウザで録音と音声クリーンアップ 無料ツール クリエイターツール オーディオ 音声からテキスト 音声編集 -
Agilotext フランス語中心の書き起こしと要約 オーディオ 音声からテキスト ポッドキャスト 会議文字起こし 議事録 -
AI Dubbing 登録不要の短い動画の吹き替え 無料ツール 動画翻訳 オーディオ ナレーション コンテンツローカライズ -
AI Mastering オンライン自動マスタリング 無料ツール フリーミアムツール オーディオ ポッドキャスト