LANGUAGE_SUPPORT.md

Language Support by Engine

Language Support by Engine

Language	Code	F5-TTS	ChatterBox	ChatterBox 23L	VibeVoice	Higgs Audio 2	IndexTTS-2	CosyVoice3	Qwen3-TTS	Granite ASR	Step Audio EditX	Echo-TTS	RVC
🇺🇸 English	EN	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅	✅
🇨🇳 Chinese	ZH	❌	❌	✅	✅	✅ (Mandarin)	✅	✅ + 18 dialects	✅	❌	✅ (Mandarin + Sichuanese, Cantonese)	❌	✅
🇩🇪 German	DE	✅	✅ (×3)	✅	✅ (Kugel)	✅	❌	❌	✅	✅	❌	❌	✅
🇪🇸 Spanish	ES	✅	❌	✅	✅ (Kugel)	✅	❌	❌	✅	✅	❌	❌	✅
🇫🇷 French	FR	✅	✅	✅	✅ (Kugel)	❌	❌	❌	✅	✅	❌	❌	✅
🇮🇹 Italian	IT	✅	✅	✅	✅ (Kugel)	❌	❌	❌	✅	❌	❌	❌	✅
🇯🇵 Japanese	JA	✅	✅	✅	✅ (Kugel)	❌	✅ ?	✅	✅	✅	✅	❌	✅
🇰🇷 Korean	KO	❌	✅	✅	✅ (Kugel)	✅	❌	✅	✅	❌	✅	❌	✅
🇷🇺 Russian	RU	❌	✅	✅	✅ (Kugel)	❌	❌	❌	✅	❌	❌	❌	✅
🇧🇷 Portuguese	PT	✅ (BR)	❌	✅	✅ (Kugel)	❌	❌	❌	✅ (EU/BR*)	✅	❌	❌	✅
🇵🇱 Polish	PL	✅	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇮🇳 Hindi	HI	✅	❌	✅	✅	❌	❌	❌	❌	❌	❌	❌	✅
🇪🇬 Arabic	AR	❌	❌	✅ (Egyptian)	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇹🇷 Turkish	TR	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇹🇭 Thai	TH	✅	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇳🇴 Norwegian	NO	❌	✅	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇻🇳 Vietnamese	VI	❌	❌	✅ (Viterbox)	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇦🇲 Armenian	HY	❌	✅	❌	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇬🇪 Georgian	KA	❌	✅	❌	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇩🇰 Danish	DA	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇫🇮 Finnish	FI	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇬🇷 Greek	EL	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇮🇱 Hebrew	HE	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇲🇾 Malay	MS	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇳🇱 Dutch	NL	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇸🇪 Swedish	SV	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅
🇰🇪 Swahili	SW	❌	❌	✅	✅ (Kugel)	❌	❌	❌	❌	❌	❌	❌	✅

Notes:

• CosyVoice3 Chinese: Includes 18+ dialects (Cantonese, Sichuan, Dongbei, Shanghai, etc.)
• Higgs Audio 2: Trained on EN, ZH (Mandarin), KO, DE, ES (English majority) - 10M hours AudioVerse dataset
• IndexTTS-2: Trained on 55K+ hours - ZH, EN, JA primary.
• RVC: Language-independent (work as post-processors VC with any TTS output)
• Qwen3-TTS: Supports pt-BR only with instruction (voice design or harcoded voices). Base can't do instructions, so it will always ouput pt-PT.