Freie KI Text in die Rede

Leichtes 82M-Parametermodell, das Studio-Qualitätssprache mit glühender, schneller Inferenz liefert.

Ein schnelles, lokales neuronales Text-zu-Sprechsystem, optimiert für Raspberry Pi und eingebettete Geräte.

Bedingter Variations-Autoencoder mit konversatorischem Lernen für End-to-End-Text-to-Speech.

Hochwertige mehrsprachige Text-zu-Speech, die auf CPU mit minimaler Latenz läuft.

Transformer-basiertes Text-zu-Audio-Modell, das realistische Sprach-, Musik- und Soundeffekte erzeugt.

Leichtere Version von Bark mit schnellerem Rückschluss und geringerem Speicherverbrauch.

Alibabas skalierbares Streaming-TTS mit menschlicher Parität und nahezu Null Latenz.

Multi-Lautsprecher-Dialog-Generierungsmodell, das natürliche Gespräche zwischen Lautsprechern erzeugt.

Beschreiben Sie die gewünschte Stimme in natürlicher Sprache und Parler erzeugt passende Sprache.

Erreicht die niedrigste Zeichenfehlerrate bei Open-Source-TTS-Modellen.

Zero-shot TTS mit feinkörniger Emotionskontrolle und hoher Expressivität.

Sprachklonieren von TTS mit kontrollierbarer Emotion und Sprechstil über Eingabeaufforderung.

Wenige Schüsse Stimme Klonen TTS, die jede Stimme von nur 5 Sekunden Audio repliziert.

Emotionales TTS-Modell auf menschlicher Ebene, das auf 100K Stunden Sprachdaten trainiert wurde.

Modernste Zero-Shot-Stimme, die mit Emotionskontrolle von Resemble KI klont.

Multi-Voice-Text-to-Speech konzentrierte sich auf Qualität mit autoregressiver Architektur.

Text-zu-Sprechen auf menschlicher Ebene durch Stildiffusion und konversarisches Training.

Sofortige Stimme klont mit granularer Kontrolle über Stil, Emotion und Akzent.

Alibabas mehrsprachiges TTS mit Sprachklonen, voreingestellten Stimmen und Sprachgestaltung aus Text.

Gesprächssprachmodell erzeugt natürlichen Dialog mit passendem Timing und Emotion.