Loading
Have a ComfyUI workflow? Get a readable Workflow Doc in your browser.Make a workflow readable.Try it now ↗
Irodori-TTS の ONNX 変換モデル(再配布) です。スタンドアロンの C++ アプリ 「IrodoriTTS」(ONNX Runtime 上で動作、Python 不要)で利用するために、 Aratako (Chihiro Arata) 氏の Irodori-TTS / Semantic-DACVAE を ONNX 形式へ 変換したものを格納しています。
Model source
Source description
Irodori-TTS の ONNX 変換モデル(再配布) です。スタンドアロンの C++ アプリ 「IrodoriTTS」(ONNX Runtime 上で動作、Python 不要)で利用するために、 Aratako (Chihiro Arata) 氏の Irodori-TTS / Semantic-DACVAE を ONNX 形式へ 変換したものを格納しています。
⚠️ これはオリジナルのモデルではなく、ONNX へ変換した派生物です。 モデルそのものの設計・学習は原作者によるものです。原モデルは下記を参照してください。
Sources
1 sourceVerified Sep 21
Model artifacts
9 artifactsSource excerpts
2 excerpts| ファイル | 内容 |
|---|---|
frontend.onnx / frontend_vd.onnx | 条件エンコード(標準 / VoiceDesign) |
dit_step.onnx / dit_vd.onnx | Diffusion Transformer(標準 / VoiceDesign) |
duration.onnx | 長さ予測器(VoiceDesign の生成長を自動決定) |
codec_decode.onnx | DACVAE デコーダ(latent → 48kHz 波形) |
encoder.onnx | 参照音声エンコーダ(ボイスクローン用) |
noref_ref_latent.bin / noref_ref_mask.bin | 参照なし時の既定 latent |
原モデルと同じく MIT License で配布します。
MIT License
Copyright (c) 2026 Aratako
このモデルは以下の成果に基づいています(原リポジトリの謝辞より)。
@misc{irodori-tts-v3-voicedesign,
author = {Chihiro Arata},
title = {Irodori-TTS: A Flow Matching-based Text-to-Speech Model with Emoji-driven Style Control},
year = {2026},
publisher = {Hugging Face},
howpublished = {\url{https://huggingface.co/Aratako/Irodori-TTS-600M-v3-VoiceDesign}}
}
onnx · 1.36 GB · SHA-256 2671cb2b6778…50b1 · Hugging Face
--- license: mit language: - ja pipeline_tag: text-to-speech tags: - tts - onnx - japanese - voice base_model: - Aratako/Irodori-TTS-600M-v3-VoiceDesign - Aratako/Semantic-DACVAE-Japanese-32dim --- # IrodoriTTS-onnx **Irodori-TTS の ONNX 変換モデル（再配布）** です。スタンドアロンの C++ アプリ 「IrodoriTTS」（ONNX Runtime 上で動作、Python 不要）で利用するために、 Aratako (Chihiro Arata) 氏の Irodori-TTS / Semantic-DACVAE を ONNX 形式へ 変換したものを格納しています。 > ⚠️ これは**オリジナルのモデルではなく、ONNX へ変換した派生物**です。 > モデルそのものの設計・学習は原作者によるものです。原モデルは下記を参照してください。 ## オリジナル（原典） - **Irodori-TTS-600M-v3-VoiceDesign** — Aratako (Chihiro Arata) https://huggingface.co/Aratako/Irodori-TTS-600M-v3-VoiceDesign - **Semantic-DACVAE-Japanese-32dim**（音声コーデック）— Aratako https://huggingface.co/Aratako/Semantic-DACVAE-Japanese-32dim - コード: https://github.com/Aratako/Irodori-TTS ## 収録ファイル | ファイル | 内容 | | :-- | :-- | | `frontend.onnx` / `frontend_vd.onnx` | 条件エンコード（標準 / VoiceDesign） | | `dit_step.onnx` / `dit_vd.onnx` | Diffusion Transformer（標準 / VoiceDesign） | | `duration.onnx` | 長さ予測器（VoiceDesign の生成長を自動決定） | | `codec_decode.onnx` | DACVAE デコーダ（latent → 48kHz 波形） | | `encoder.onnx` | 参照音声エンコーダ（ボイスクローン用） | | `noref_ref_latent.bin` / `noref_ref_mask.bin` | 参照なし時の既定 latent | ## ライセンス 原モデルと同じく **MIT License** で配布します。 ``` MIT License Copyright (c) 2026 Aratako ``` ### 倫理的制約（原作者によるライセンス追加条項） 1. **なりすまし禁止**：本人の明示的同意なく、特定個人（声優・著名人・公人等）の 声をクローン／模倣しないこと。 2. **誤情報の生成禁止**：他者を欺く・誤情報を広めるためのディープフェイクや 合成音声を生成しないこと。 3. **偶然の類似**：参照音声を使わない生成で実在人物に声が似ることがありますが、 これは潜在空間上の確率的産物であり、特定個人の再現を意図したものではありません。 4. **免責**：誤用について開発者は責任を負いません。生成物の利用が各自の管轄法令に 適合することは利用者の責任です。 ## クレジット このモデルは以下の成果に基づいています（原リポジトリの謝辞より）。 - [Echo-TTS](https://jordandarefsky.com/blog/2025/echo/) — アーキテクチャ/学習設計の参考 - [facebook/dacvae-watermarked](https://huggingface.co/facebook/dacvae-watermarked) / [Descript Audio Codec](https://github.com/descriptinc/descript-audio-codec) — 音声VAE - [llm-jp/llm-jp-3-150m](https://huggingface.co/llm-jp/llm-jp-3-150m) — トークナイザ/埋め込み初期化（Apache-2.0） - [SilentCipher](https://github.com/sony/silentcipher) — 音声ウォーターマーク（原モデル） ## 引用 ```bibtex @misc{irodori-tts-v3-voicedesign, author = {Chihiro Arata}, title = {Irodori-TTS: A Flow Matching-based Text-to-Speech Model with Emoji-driven Style Control}, year = {2026}, publisher = {Hugging Face}, howpublished = {\url{https://huggingface.co/Aratako/Irodori-TTS-60...
Source context: 0 downloads · 0 likes · Pipeline text-to-speech · Repo yummy5678/IrodoriTTS-onnx