Underdog-Woof-Japanese

Underdog Woof Japanese は小型の日本語音声合成モデルで、2つの音色が1つの 40.5 MB ファイルに収められています。作者によると、Apple M5 Max の単一スレッドで約 14.5 倍のリアルタイム速度、ピークメモリは 437 MB で、GPU や API キーは不要です。作者は 446 文の日本語でテストを行い(そのうち 281 文は日付、価格、電話番号、住所などの読み上げが難しい内容を含む)、かな誤り率で比較したところ、難易度の高い文では 1.33% となり、比較対象の Fish Audio Drama 3、Qwen3-TTS、Kokoro よりも低い結果でした。

Underdog Woof Japanese は小型の日本語音声合成モデルで、2つの音色が1つの 40.5 MB ファイルに収められています。作者によると、Apple M5 Max の単一スレッドで約 14.5 倍のリアルタイム速度、ピークメモリは 437 MB で、GPU や API キーは不要です。作者は 446 文の日本語でテストを行い(そのうち 281 文は日付、価格、電話番号、住所などの読み上げが難しい内容を含む)、かな誤り率で比較したところ、難易度の高い文では 1.33% となり、比較対象の Fish Audio Drama 3、Qwen3-TTS、Kokoro よりも低い結果でした。

なぜ重要か 漢字、日付、価格、電話番号、郵便番号、住所を日常の読み方で正しく読み上げられるため、日本語のアナウンスや学習ツールを作る際のハードルが低くなります。

ハグ数 5 · ハグ上昇スコア 5 · ダウンロード数 0

ライセンス:非商用 · ComfyUI:未対応 · VRAM:記載なし

理由

  • 英語版の Underdog Woof は前回の記事でハグ上昇ランキングに紹介済みですが、今回は新たに公開された日本語版です

使い方

  • pip install numpy pyopenjtalk-plus を実行し、モデルをダウンロードした後、python -m underdog_woof_ja "テキスト" hello.wav とコマンドを実行します。--voice mikasa オプションで音色を切り替えられます

リスク

  • Underdog は非商用ライセンスのため、商用利用はできません
  • 評価は作者自身によって実施されており、文字起こしや比較の手順についてはモデルカードを参照してください

開く

抱脸 text-to-speech 新模型

最新の AI ニュースを見る