Свабодны AI Пераклад тэксту на мовуName

36+ мадэлі з адкрытым зыходным кодам, 314+ галасы, 55+ Мовы. Не патрэбны рахунак.

40K+
стваральнікі
142K+
генерацый
36+
Мадэлі AI
314+
галасы
0/500 сімвалы · Падпісацца на 5000 за пакаленне → Свабодны
Любіце TTS.ai? Раскажыце сваім сябрам!

Усё, што вам трэба для штучнага голасу

Больш за 30 інструментаў, якія працуюць на мадэлях штучнага інтэлекту з адкрытым зыходным кодам

36+ Мадэлі галасоў AIName

Самая поўная калекцыя мадэляў TTS з адкрытым зыходным кодам на адной платформе

KokoroKokoro Вольна

Kokoro - гэта 82- мільённая мадэль пераўтварэння тэксту ў мову, якая пераўзыходзіць свае магчымасці. Нягледзячы на невялікі памер, яна дазваляе атрымліваць натуральную і выразную мову. Kokoro падтрымлівае некалькі моў, у тым ліку англійскую, японскую, кітайскую і карэйскую, з рознымі выразнымі голасамі. Яна працуе неверагодна хутка - генеруе гук амаль у 100 разоў хутчэй, чым у рэальным часе на GPU.

Лепшы для: Высокаякасны TTS з мінімальнай задержкай, стрымінгавыя праграмы

Спроба бясплатна

PiperPiper Вольна

Piper - гэта лёгкі рухавік пераўтварэння тэксту ў мову, распрацаваны Rhasspy, які выкарыстоўвае архітэктуры VITS і larynx. Ён працуе цалкам на працэсары, што робіць яго ідэальным для перыферычных прылад, хатняй аўтаматызацыі і прыкладанняў, якія патрабуюць аўтаномнага пераўтварэння тэксту ў мову. З больш чым 100 галасамі на больш чым 30 мовах, Piper дае натуральна гучную мову з хуткасцю рэальнага часу нават на Raspberry Pi 4.

Лепшы для: Хуткі прагляд, даступнасьць і ўбудаваныя праграмы

Спроба бясплатна

VITSVITS Вольна

VITS (Variation Inference with adversarial learning for end- to- end Text- to- Speech) - гэта паралельны метад перакладу тэксту на мову, які генеруе больш натуральны гук, чым цяперашнія двухступеністыя мадэлі. Ён выкарыстоўвае варыяцыйную інферэнцыю, падмацаваную нармалізуючымі патокамі і канкурэнтным працэсам навучання, што дазваляе дасягнуць значнага паляпшэння натуральнасці.

Лепшы для: Агульная функцыя пераўтварэньня тэксту ў мову з натуральнай празодыяй

Спроба бясплатна

MeloTTSMeloTTS Вольна

MeloTTS ад MyShell. ai - гэта шматмоўная бібліятэка TTS, якая падтрымлівае англійскую (амерыканскую, брытанскую, індыйскую, аўстралійскую), іспанскую, французскую, кітайскую, японскую і карэйскую мовы. Яна вельмі хуткая, апрацоўвае тэкст амаль у рэальным часе толькі на працэсары. MeloTTS распрацавана для выкарыстання ў прамысловасці і падтрымлівае як працэсар, так і графічны працэсар.

Лепшы для: Праектныя праграмы, якія патрабуюць хуткага, шматмоўнага TTS

Спроба бясплатна

Kani TTS 2Kani TTS 2 Вольна

Kani- TTS- 2 ад NineNineSix - гэта ультралёгкая мадэль з 400М параметраў, пабудаваная на аснове LiquidAI LFM2 з Nvidia NanoCodec. Яна працуе толькі на 3 ГБ VRAM і дасягае 10 секунд гаворкі за ~ 2 секунды (RTF 0. 2). Падтрымлівае клонаванне голасу з нулявым выбухам праз убудаваныя дынамікі.

Лепшы для: Хуткае стварэньне, нізкарэсурснае асяродзьдзе, хуткі прагляд

Спроба бясплатна

OuteTTSOuteTTS Вольна

OuteTTS пашырае магчымасці тэкставага перакладу на мову, захоўваючы арыгінальную архітэктуру. Ён падтрымлівае некалькі backends, уключаючы llama.cpp (CPU/GPU), Hugging Face Transformers, ExLlamaV2, VLLM, і нават выснова браўзэра праз Transformers.js. Уключае ў сябе клонаваньне голасу праз профілі гукарэжысэра, запісаныя ў JSON.

Лепшы для: Разьмяшчаньне Edge, TTS на аснове браўзэра, нізкарэсурсныя асяроддзі

Спроба бясплатна

Pocket TTSPocket TTS Вольна

Pocket TTS ад Kyutai (творцы Moshi) - гэта кампактная мадэль пераўтварэння тэксту ў мову з 100М параметраў, якая пераўзыходзіць сябе па магутнасці. Яна працуе эфектыўна на працэсары, падтрымлівае кланаваньне голасу з аднаго аўдыёсэмплю і выпрацоўвае натуральна гучаючую мову. Маленькі памер мадэлі робіць яе ідэальнай для разьмяшчэньня на краі і ў асяроддзях з нізкімі рэсурсамі.

Лепшы для: Легкае разьмяшчэньне, асяроддзе толькі з CPU, хуткае клянаваньне голасу

Спроба бясплатна

Kitten TTSKitten TTS Вольна

Kitten TTS ад KittenML - гэта вельмі лёгкая мадэль пераўтварэння тэксту ў мову, пабудаваная на ONNX. З варыянтамі ад 15М да 80М параметраў (25- 80 МБ на дыску), яна забяспечвае высокакваліфікаваны сінтэз голасу на ЦПУ без патрэбы ў ГП. Ёсць 8 убудаваных голасаў, рэгулюемая хуткасць гаворкі і ўбудаваная папярэдняя апрацоўка тэксту для лікаў, валют і адзінак. Ідэальна падыходзіць для разгортвання на перыферыі і праграм з нізкімі затрымакамі.

Лепшы для: Хуткі, лёгкі TTS, эфектыўныя праграмы з нізкімі затрымакамі

Спроба бясплатна

Ming-Omni TTSMing-Omni TTS Вольна

Ming- omni- tts- 0. 5B ад inclusionAI - гэта кампактная амні- мадальная мадэль мовы, пабудаваная на шчыльнай аснове BailingMM з аўдыё- дэкадэрам, які адпавядае патоку Patch- by- Patch. Дае выхад 44. 1kHz (блізка да якасці CD), падтрымлівае кланаваньне голасу з нулявым выбухам з 3+ секунднага спасылкі, і ўключае ўбудаваны кантроль эмоцый / дыялекту / BGM праз JSON- інструкцыі. Выдатная стабільнасьць - 0. 83% WER на кітайскіх эталонах.

Лепшы для: Высокая дакладнасць двухмоўнай нарацыі, эмацыянальна кантралюемы голас, кітайскі змест аўдыёкнігі

Спроба бясплатна

MOSS-TTS NanoMOSS-TTS Nano Вольна

MOSS- TTS- Nano- 100M - гэта 100- мільённы варыянту OpenMOSS сямейства MOSS- TTS, які выкарыстоўвае архітэктуру з пераўтваральнікам затрымак. Ён абменьвае найвышэйшую якасць мадэлі 8B на ~80x меншы вага і значна меншы VRAM на запыт, што робіць яго прыдатным для бесперапыннага і высокапрапускнога разгортвання. Такі ж 20- моўны даступ.

Лепшы для: Свабодны TTS, высокая прадукцыйнасьць, інтэрактыўнае выкарыстаньне з нізкім затрыманьнем

Спроба бясплатна

FreyaTTSFreyaTTS Вольна

FreyaTTS- small - гэта 183М-параметрная мадэль турэцкага пераўтварэння тэксту ў маўленне, пабудаваная як неаўтарэграцыйны ўмоўны дыфузійны пераўтваральнік. Ён працуе прама з сімвалаў без фанемізатара, і выводзіць гук 48 кГц - больш чым у два разы больш, чым у нашых іншых турэцкіх галасоў. На тэсце Freya- TR- Evall ён набірае 8. 0% WER, пераўзыходзячы XTTS- v2 і F5- TTS.

Лепшы для: Name=Турэцкая дыялог, гукавы агент і любы турэцкі гук, які патрабуе высокай хуткасці вываду

Спроба бясплатна

BarkBark Стандартны

Праграмнае забеспячэнне для пераўтварэння тэксту ў аўдыё, якое генеруе рэалістычную мову, музыку і гукавыя эфекты.

Распрацоўшчык: Suno · Ліцэнзія: MIT

Паспрабуйце

Bark SmallBark Small Стандартны

Гэтая версія была больш хуткай і мела больш магутны працэсар і памяць.

Распрацоўшчык: Suno · Ліцэнзія: MIT

Паспрабуйце

CosyVoice 2CosyVoice 2 Стандартны

Нацыянальны гімн Рэспублікі Беларусь — гімн Рэспублікі Беларусь і дзяржаўны гімн Рэспублікі Беларусь.

Распрацоўшчык: Alibaba (Tongyi Lab) · Ліцэнзія: Apache 2.0

Паспрабуйце

Dia TTSDia TTS Стандартны

Інфармацыйна-камунікацыйныя тэхналогіі (ІКТ) — комплекс тэхналогій, якія дазваляюць арганізаваць камунікацыю паміж людзьмі.

Распрацоўшчык: Nari Labs · Ліцэнзія: Apache 2.0

Паспрабуйце

Parler TTSParler TTS Стандартны

Апішыце патрэбны вам голас на натуральнай мове, і Parler створыць адпаведны голас.

Распрацоўшчык: Hugging Face · Ліцэнзія: Apache 2.0

Паспрабуйце

Indic Parler TTSIndic Parler TTS Стандартны

У 8-м раздзеле гаворыцца пра мовы, якія маюць афіцыйны статус.

Распрацоўшчык: AI4Bharat · Ліцэнзія: Apache 2.0

Паспрабуйце

KhanomTan TTSKhanomTan TTS Стандартны

Першы тэкставы пераклад з мовы на мову.

Распрацоўшчык: Wannaphong Phatthiyaphaibun · Ліцэнзія: Apache 2.0

Паспрабуйце

IndexTTS-2IndexTTS-2 Стандартны

Сістэма лічбавага тэлебачання мае высокую эфектыўнасць і высокую дакладнасць.

Распрацоўшчык: Index Team · Ліцэнзія: Bilibili Model License

Паспрабуйце

Spark TTSSpark TTS Стандартны

Гісторыя тэорыі лічбаў і матэматыкі ў кантэксце лічбавых тэхналогій.

Распрацоўшчык: SparkAudio · Ліцэнзія: CC BY-NC-SA 4.0

Паспрабуйце

GPT-SoVITSGPT-SoVITS Стандартны

Усяго было выпушчана каля 5000 экзэмпляраў кнігі, што складае каля 50 % усяго накладу часопіса.

Распрацоўшчык: RVC-Boss · Ліцэнзія: MIT

Паспрабуйце

OrpheusOrpheus Стандартны

У 100-гадовым юбілеі гімназіі было выдадзена 100-тысячнае выданне кнігі.

Распрацоўшчык: Canopy Labs · Ліцэнзія: Llama 3.2 Community

Паспрабуйце

Qwen3 TTSQwen3 TTS Стандартны

Мультымоўны TTS Alibaba з клонаваннем голасу, прадвызначанымі голасамі і дызайнам голасу з тэксту.

Распрацоўшчык: Alibaba (Qwen) · Ліцэнзія: Apache 2.0

Паспрабуйце

VieNeu-TTS-v2VieNeu-TTS-v2 Стандартны

В' етнамская + англійская з пераключэннем коду TTS з 7 прадвызначанымі голасамі і кланаваньнем голасу без выкарыстаньня графічнага працэсара.

Распрацоўшчык: Phạm Nguyễn Ngọc Bảo · Ліцэнзія: Apache 2.0

Паспрабуйце

Chatterbox TurboChatterbox Turbo Стандартны

У 2000-я гг. з'явіліся новыя тэхналогіі, якія дазваляюць вырабляць 2D-мадэлі, 3D-мадэлі і г.д.

Распрацоўшчык: Resemble AI · Ліцэнзія: MIT

Паспрабуйце

VoxCPMVoxCPM Стандартны

44,1 % насельніцтва займаюцца сельскай гаспадаркай, у тым ліку 41,1 % — жывёлагадоўляй.

Распрацоўшчык: OpenBMB · Ліцэнзія: Apache 2.0

Паспрабуйце

VibeVoiceVibeVoice Стандартны

Мадэлі Microsoft для доўгатэрміновага кантэнту, такіх як подкасты і аўдыёкнігі.

Распрацоўшчык: Microsoft · Ліцэнзія: MIT

Паспрабуйце

CosyVoice3CosyVoice3 Стандартны

У ёй выкарыстаны тэхналогіі сінтэзу мовы, сінтэзу мовы з тэкстам, сінтэзу мовы з тэкстам і сінтэзу мовы з тэкстам.

Распрацоўшчык: Alibaba (FunAudioLLM) · Ліцэнзія: Apache 2.0

Паспрабуйце

NAMAA Saudi TTSNAMAA Saudi TTS Стандартны

Першы адкрыты саудаўска-арабскі TTS. Нацыянальны дыялект Саудаўскай Аравіі з кланаваньнем голасу якасцю Chatterbox.

Распрацоўшчык: NAMAA Space · Ліцэнзія: MIT

Паспрабуйце

Darwin TTSDarwin TTS Стандартны

Крос-модальны Qwen3-TTS варыянт з FFN-вагамі, змешанымі з моўнай мадэллю Qwen3-1.7B для больш выразнага шматмоўнага клонавання.

Распрацоўшчык: FINAL-Bench · Ліцэнзія: Apache 2.0

Паспрабуйце

MOSS-TTSDMOSS-TTSD Стандартны

У 2009 годзе ў эфіры радыёстанцыі «Свабода» прайшоў радыёэфірны марафон «Свабода ў эфіры» з удзелам 500 чалавек і 60 радыёстанцый.

Распрацоўшчык: OpenMOSS · Ліцэнзія: Apache 2.0

Паспрабуйце

ChatterboxChatterbox Выдатна

Сістэма лічбавага тэлевізійнага вяшчання ўключае ў сябе лічбавае тэлебачанне і лічбавую радыёвяшчанне.

Якасць:

Паспрабуйце

Tortoise TTSTortoise TTS Выдатна

Большасць тэкстаў напісана ў стылі класіцызму з элементамі рэнесансу.

Якасць:

Паспрабуйце

StyleTTS 2StyleTTS 2 Выдатна

Працаваў у галіне тэарэтычнай геаграфіі і геаграфічнай геаграфіі.

Якасць:

Паспрабуйце

OpenVoiceOpenVoice Выдатна

Неадкладнае кланаванне голасу з дэталёвым кантролем над стылем, эмоцыямі і акцэнтам.

Якасць:

Паспрабуйце

Sesame CSMSesame CSM Выдатна

Нацыянальная мова — мова, на якой гавораць насельніцтва краіны і яе нацыянальныя меншасці.

Якасць:

Паспрабуйце

CosyVoice 2CosyVoice 2

Нацыянальны гімн Рэспублікі Беларусь — гімн Рэспублікі Беларусь і дзяржаўны гімн Рэспублікі Беларусь.

Мовы: en, zh, ja, ko, fr, de, it, es

Клонаваць голас

IndexTTS-2IndexTTS-2

Сістэма лічбавага тэлебачання мае высокую эфектыўнасць і высокую дакладнасць.

Мовы: en, zh

Клонаваць голас

Spark TTSSpark TTS

Гісторыя тэорыі лічбаў і матэматыкі ў кантэксце лічбавых тэхналогій.

Мовы: en, zh

Клонаваць голас

GPT-SoVITSGPT-SoVITS

Усяго было выпушчана каля 5000 экзэмпляраў кнігі, што складае каля 50 % усяго накладу часопіса.

Мовы: en, zh, ja, ko

Клонаваць голас

ChatterboxChatterbox

Сістэма лічбавага тэлевізійнага вяшчання ўключае ў сябе лічбавае тэлебачанне і лічбавую радыёвяшчанне.

Мовы: en

Клонаваць голас

Tortoise TTSTortoise TTS

Большасць тэкстаў напісана ў стылі класіцызму з элементамі рэнесансу.

Мовы: en

Клонаваць голас

OpenVoiceOpenVoice

Неадкладнае кланаванне голасу з дэталёвым кантролем над стылем, эмоцыямі і акцэнтам.

Мовы: en, zh, ja, ko, fr, es

Клонаваць голас

VieNeu-TTS-v2VieNeu-TTS-v2

В' етнамская + англійская з пераключэннем коду TTS з 7 прадвызначанымі голасамі і кланаваньнем голасу без выкарыстаньня графічнага працэсара.

Мовы: vi, en

Клонаваць голас

Chatterbox TurboChatterbox Turbo

У 2000-я гг. з'явіліся новыя тэхналогіі, якія дазваляюць вырабляць 2D-мадэлі, 3D-мадэлі і г.д.

Мовы: en

Клонаваць голас

VoxCPMVoxCPM

44,1 % насельніцтва займаюцца сельскай гаспадаркай, у тым ліку 41,1 % — жывёлагадоўляй.

Мовы: en, zh

Клонаваць голас

Pocket TTSPocket TTS

У 100-м годзе да н.э. быў заснаваны горад Кіпр, які стаў цэнтрам адной з гістарычных правінцый.

Мовы: en, fr

Клонаваць голас

CosyVoice3CosyVoice3

У ёй выкарыстаны тэхналогіі сінтэзу мовы, сінтэзу мовы з тэкстам, сінтэзу мовы з тэкстам і сінтэзу мовы з тэкстам.

Мовы: en, zh, ja, ko, de, es, fr, it, ru

Клонаваць голас

NAMAA Saudi TTSNAMAA Saudi TTS

Першы адкрыты саудаўска-арабскі TTS. Нацыянальны дыялект Саудаўскай Аравіі з кланаваньнем голасу якасцю Chatterbox.

Мовы: ar

Клонаваць голас

Darwin TTSDarwin TTS

Крос-модальны Qwen3-TTS варыянт з FFN-вагамі, змешанымі з моўнай мадэллю Qwen3-1.7B для больш выразнага шматмоўнага клонавання.

Мовы: en, ko, ja, zh

Клонаваць голас

MOSS-TTSDMOSS-TTSD

У 2009 годзе ў эфіры радыёстанцыі «Свабода» прайшоў радыёэфірны марафон «Свабода ў эфіры» з удзелам 500 чалавек і 60 радыёстанцый.

Мовы: en, zh

Клонаваць голас

Ming-Omni TTSMing-Omni TTS

У 1950 годзе ўпершыню быў выпушчаны 1,4-літровы 4-цыліндравы рухавік з 4-ступеністай механічнай каробкай перадач.

Мовы: en, zh

Клонаваць голас

MOSS-TTS NanoMOSS-TTS Nano

100-мільны MOSS-TTS-варыянт — такая ж архітэктура, 80x меншы, з бясплатным латэнцыяй.

Мовы: en, zh, de, es, fr, ja, it, ko, ru, ar, pt

Клонаваць голас

API для распрацоўшчыкаў

OpenAI-сумяшчальны REST API. Адзін канец, 22+ мадэлі. Падтрымка стрымінгу для прыкладанняў рэальнага часу.

  • Фармат, сумяшчальны з OpenAI
  • Трансляцыя TTS для праграмаў рэальнага часу
  • Пакетная апрацоўка вялікіх заданняў
  • Абвяшчэнні Webhook
Прагляд дакументацыі API
pip install ttsai npm install @ttsainpm/ttsai
Python
from tts_ai import TTSClient

client = TTSClient(api_key="sk-tts-xxx")
audio = client.generate(
    text="Hello from TTS.ai!",
    model="kokoro",
    voice="af_bella",
)
client.save(audio, "output.mp3")

Простая, празрыстая цана

Пачынайце бясплатна. Змяняйце памер па меры росту.

Свабодны

$0

15, 000 знакаў + 1, 500/ дзень

  • 7 бясплатных мадэляў, уключаючы Kokoro
  • 5000 знакаў на пакаленне
  • Даступны доступ да API
Падпісацца бясплатна

Старт

$9/месяц( аў)

500 кредитов/ месяц

  • Усе 22+ мадэлі
  • 100, 000 знакаў на пакаленне
  • Клонаванне голасу
Пачаць
Самыя папулярныя

Прафесійны

$29/месяц( аў)

2, 000 крэдыт/ месяц

  • Усё ў запуску
  • Даступ да API
  • Прыярытэтная апрацоўка
Атрымаць Pro

Бізнес

$99/месяц( аў)

10, 000 крэдыт/ месяц

  • Усё ў Pro
  • Масавае API
  • Чарга прыярытэтаў
Атрымаць бізнес

Прагляд усіх планаў, уключаючы крэдытныя пакеты →

Частыя пытанні

TTS.ai - гэта самая поўная галасавая платформа штучнага інтэлекту, якая прапануе больш за 22 мадэляў пераўтварэння тэксту ў мову, кланаваньне голасу, пераўтварэньне тэксту ў мову і аўдыёінструмэнты. Усе мадэлі маюць адкрыты зыходны код і не залежаць ад вытворцы.

Так! TTS.ai прапануе бясплатны пераклад тэксту ў мову з мадэлямі Kokoro, Piper, VITS і MeloTTS. Не патрабуецца рахунак. Зарэгіструйцеся, каб атрымаць 15 000 бясплатных сімвалаў і доступ да ўсіх мадэляў. Плацежныя планы пачынаюцца ад $9/месяц.

Для хуткасці, выкарыстоўвайце Kokoro або Piper. Для якасці, паспрабуйце CosyVoice 2 або StyleTTS 2. Для клонавання голасу, выкарыстоўвайце Chatterbox або GPT- SoVITS. Для дыялогу, выкарыстоўвайце Dia TTS. Паспрабуйце некалькі мадэляў для аднаго і таго ж тэксту, каб параўнаць.

Так. OpenAI- сумяшчальны REST API для TTS, STT, клонавання голасу і аўдыё інструментаў. Уключаны ў кожны план, уключаючы бясплатны, з абмежаваннямі хуткасці, якія мяняюцца ў залежнасці ад узроўню (Free: 10 req/ min, Lite: 20, Starter: 30, Pro: 60, Business: 300). Праглядзець дакументацыю на tts.ai/api/.

Якасць голасу адрозніваецца ў залежнасці ад мадэлі. Прафесійныя мадэлі, такія як CosyVoice 2, StyleTTS 2 і Chatterbox, выпрацоўваюць голас, які нагадвае голас чалавека з натуральнай інтанацыяй і эмоцыямі. Бясплатныя мадэлі, такія як Kokoro, забяспечваюць выдатную якасць для большасці выпадкаў выкарыстання.

TTS.ai падтрымлівае больш за 30 моў у сваёй бібліятэцы мадэляў. Англійская мае найбольш шырокую падтрымку мадэляў, але такія мадэлі, як CosyVoice 2, падтрымліваюць кітайскую, японскую і карэйскую; GPT-SoVITS падтрымлівае кітайскую, японскую, карэйскую і англійскую; і MeloTTS падтрымлівае англійскую, іспанскую, французскую, кітайскую, японскую і карэйскую.

Так. Уся апрацоўка адбываецца на нашых выдзеленых серверах GPU. Мы не захоўваем ваш тэкставы ўвод або створаны гук пасля дастаўкі. Загружаныя прыклады голасу для клонавання выкарыстоўваюцца толькі для бягучай сесіі і не захоўваюцца. Мы ніколі не падзяляем вашыя дадзеныя з трэцімі асобамі і не выкарыстоўваем іх для трэніроўкі мадэляў.

You own the audio you generate on every plan. Audio generated on the free tier is for personal, non-commercial use. Any paid plan (from $5/mo) adds a permanent commercial license for monetized YouTube videos, audiobooks, podcasts, apps, ads and client work, with no attribution required, and upgrading also covers audio you generated earlier on the free tier. Audio you generated on the free tier before September 14, 2026 with a commercially licensed voice may keep being used commercially without upgrading. Voices and models marked 'Personal and non-commercial use only' in the voice picker are never covered for commercial use, on any plan, because their authors allow non-commercial use only (Terms section 7A).

Па змаўчанні TTS.ai генеруе аўдыё ў фармаце WAV для максімальнай якасці. Вы можаце пераўтварыць яго ў MP3, FLAC, OGG або M4A з дапамогай нашага бясплатнага інструмента для пераўтварэння аўдыё. API падтрымлівае вызначэнне вашага выхаднога фармату прама ў запыце.

Загрузіце кароткі аўдыёзапіс (не больш за 5 секунд) галасу, які вы хочаце клануць, а затым увядзіце любы тэкст, каб стварыць размову ў гэтым голасе. Такія мадэлі, як Chatterbox, GPT- SoVITS і CosyVoice 2 падтрымліваюць кланаваньне голасу. Клонаваны голас захоплівае тон, акцэнт і стыль гаворкі.

Даступныя бясплатныя мадэлі (Kokoro, Piper, VITS, MeloTTS) не патрабуюць уліковага запісу і не маюць дадатковых плацяжоў — яны выкарыстоўваюць ваш бясплатны дазвол (10 000/месяц з уліковым запісам, або 5 000/дзень без). Стандартныя мадэлі (2 000 знакаў/1 К уводу) уключаюць Bark, CosyVoice 2, F5-TTS і Dia. Даступныя платныя мадэлі (4 000 знакаў/1 К уводу) уключаюць OpenVoice, Chatterbox, StyleTTS 2 і Tortoise. Плацежныя мадэлі звычайна прапануюць больш якасныя, больш галасоў і дадатковыя магчымасці, такія як клонаванне голасу.

Так. API падтрымлівае пакетную апрацоўку для пераўтварэння вялікіх аб'ёмаў тэксту ў мову. Адпраўляйце некалькі запытаў і атрымлівайце вынікі асінхронна, выкарыстоўваючы UUID заданняў. Бізнес- план ($99/ месяц) і вышэй уключае прыярытэтны доступ да чаргі для хутчэйшай пакетнай апрацоўкі. Ідэальна падыходзіць для стварэння аўдыякніг, зместу курсаў і буйных праектаў дыялогу.
4.1/5 (60)

Што мы можам палепшыць? Ваша ацэнка дапаможа нам выправіць праблемы.

Пачаць карыстацца AI Voice сёньня

Далучайцеся да стваральнікаў, распрацоўшчыкаў і кампаній, якія карыстаюцца TTS.ai