大声是一个基于大规模自监督学习训练的通用音频编码器，能够捕捉跨语音、音乐和环境音等多领域的丰富音频信息。

Kotoba-Speech v0.1 是一个基于12亿参数Transformer的日语语音生成模型，支持文本转语音和单样本语音克隆。