Free AI Text proslovu

Parametrový model Lightweight 82M přináší studiově kvalitní řeč s blazing-fast inference.

Rychlý, místní neurální text do řečového systému optimalizované pro Malina Pi a vložené zařízení.

Podmíněný variační autoenkodér s protivním učením pro end-to-end text-to-speech.

Vysoce kvalitní vícejazyčný text-to-speech, který běží na CPU s minimální latence.

Model na bázi transformeru, který vytváří realistickou řeč, hudbu a zvukové efekty.

Osvětlená verze Barku s rychlejší inferencí a nižším využitím paměti.

Alibaba je škálovatelný streaming TTS s lidskou-parity přirozenost a téměř-nula latence.

Model generování dialogů s více reproduktory, který vytváří přirozené konverzace mezi reproduktory.

Popište hlas, který chcete v přirozeném jazyce a Parler generuje odpovídající řeč.

Nula-shot TTS s jemně zakořeněnou emocionální kontrolou a vysokou expresivitou.

Hlasové klonování TTS s ovladatelnými emocemi a stylem mluvení prostřednictvím podnětů.

Několik-shot hlas klonování TTS, který replikuje jakýkoliv hlas z pouhých 5 sekund zvuku.

Lidský emocionální TTS model vycvičený na 100K hodin řečových dat.

Nejmodernější klonování nulovacího hlasu s emoční kontrolou z Resse Al.

Multi-voice text-to-speech zaměřený na kvalitu s autoregresivní architekturou.

Lidská úroveň textu-k-mluvě prostřednictvím stylu difuze a protivní školení.

Okamžité klonování hlasu s granulovanou kontrolou nad stylem, emocemi a přízvukem.

Alibaba je vícejazyčné TTS s předem nastavenými hlasy a hlasový design z textu.

Vietnamec + anglický kód-přepínač TTS se 7 přednastavené hlasy a nulovací hlas klonování. CPU-pouze, není potřeba GPU.

Model konverzační řeči vytváří přirozený dialog s vhodným načasováním a emocemi.

Rychlejší Chatterbox s sub-200ms latence a paralinguistické značky pro smích, kašel, a další.

Tokenizer-free TTS produkující 44.1kHz audio s kontextově-uvědomělý odstavec konzistence.

Ultra-lightweight 400M English TTS model běží pouze v 3GB VRAM.

TTS založené na LLM, které běží na procesoru, GPU nebo prohlížeči přes lama.cpp a Transformers.js.

Microsoft model pro dlouhý-formovat multi-reproduktor obsah, jako podcasty a audioknihy.

Lehký model parametru 100M od Kyutai s klonováním hlasu z jednoho vzorku.

Ultra-lehké TTS pod 80MB. Spouští na CPU bez GPU.

Další generace vícejazyčných TTS s bi-streamováním, ovládáním emocí a bezvýstřelovým klonováním hlasu.

První otevřený saúdsko-arabský TTS, rodilý saúdský dialekt s klonováním hlasu v Chatterboxu.

Cross-modal Qwen3-TTS varianta se závažími FFN smíchanými z jazykového modelu Qwen3-1.7B pro ostřejší vícejazyčné klonování.

Multi-speaker dialog pokračování modelu?, generovat podcast-styl konverzace s až 5 reproduktory a 60 minut soudržného zvuku.

Kompaktní model 0.5B omni-modální řeči z inkluzeAI s vysokou věrností 44.1kHz výstupem a bezvýstřelovým klonováním hlasu.

Drobná varianta 100M MOSS-TTS, stejná architektura, 80x menší, free-tier latency.