Free AI Mətndən Söhbətə

Lightweight 82M parameter model delivering studio-quality speech with blazing-fast inference.

Raspberry Pi və daxili qurğular üçün optimallaşdırılmış sürətli, yerli neyron mətndən-sözə sistem.

End-to-end text-to-speech üçün qarşılıqlı öyrənmə ilə şərtləndirilmiş variantlı avtoenkoder.

CPU-da minimal gecikmə ilə işləyən yüksək keyfiyyətli çoxdilli mətn-söhbətə çevirici.

Realist danışıq, musiqi və səs effektləri yaradan transformator əsaslı mətn-audio modeli.

Bark-ın daha sürətli nəticələr və daha az yaddaş istifadəsi ilə daha yüngül versiyası.

Alibaba'nın insan-paritet təbiəti və sıfıra yaxın latency ilə ölçülü streaming TTS.

Multi-speaker dialog generasiyası modeli, səsverənlər arasında təbii söhbətlər yaradır.

İstəydiyiniz səsi təbii dildə təsvir edin və Parler uyğun səsi yaradacaq.

Açıq mənbəli TTS modelləri arasında ən aşağı xarakter səhv dərəcəsini əldə edir.

Zero-shot TTS fine-grained emosional nəzarət və yüksək ekspressivlik.

Sesi klonlaşdıran TTS, idarəolunan hisslər və çağırışlar vasitəsilə danışan üslubla.

Yalnız 5 saniyədən ibarət olan səsdən hər hansı bir səsi təkrarlayan az səsli səs klonlaşdırma TTS.

İnsan səviyyəli emosional TTS modeli 100K saatlıq danışıq məlumatları üzərində hazırlanmışdır.

Resemble AI-dən emosional nəzarətlə state-of-the-art zero-shot səs klonlaşdırması.

Multi-sözlü text-to-speech autoregressive arxitektura ilə keyfiyyətə fokuslanır.

İnsan səviyyəsində text-to-speech stil diffuziya və qarşıdurma təlim vasitəsilə.

Stil, emosionallıq və aksent üzərində granulyar nəzarətlə dərhal səs klonlaşdırması.

Alibaba-nın çoxdilli TTS səs klonlaşdırması, əvvəlcədən seçilmiş səslər və mətndən səs dizaynı ilə.

Konversasiyalı danışıq modeli, uyğun vaxt və emosionallıqla təbii dialoq yaradan.

Sub-200ms latency ilə daha sürətli Chatterbox və gülüşlər, öskürəklər və daha çox üçün paralingvistik etiketlər.

Multi-speaking dialog və paralingvistik işarələrlə ilk konversasiya TTS.

Tokenizer-free TTS producing 44.1kHz audio with context-aware paragraph consistency.

LLM-ə əsaslanan TTS CPU, GPU, ya da llama.cpp və Transformers.js vasitəsilə brauzer üzərində işləyir.

Zero-hallucinasiya TTS mətn-akustik ikiqat düzəlişlə, müqayisəli LLM TTS-dən 5x daha sürətlidir.

Podkastlar və audiokitablar kimi uzun formalı çox səsli məzmun üçün Microsoft modeli.

Kyutai tərəfindən tək nümunədən səs klonlaşdırması ilə yüngül 100M parametr modeli.

80MB-dən az olan ultra-yüngül TTS. CPU-da GPU olmadan işləyir.

Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.

Ultra-long 20-language TTS supporting up to 1 hour of continuous generation with phoneme-level control.

ByteDance's sparse alignment TTS with adjustable intelligibility vs. speaker similarity.