Δωρεάν AI Κείμενο σε λόγο

Ελαφρύ μοντέλο παραμέτρου 82M παρέχει στούντιο-ποιότητα ομιλία με blazing-γρήγορο συμπέρασμα.

Ένα γρήγορο, τοπικό νευρωνικό κείμενο στο σύστημα ομιλίας βελτιστοποιημένο για Raspberry Pi και ενσωματωμένες συσκευές.

Αυτόματος κωδικοποιητής υπό όρους με adversarial μάθηση για το τέλος-to-end κείμενο-to-Speech.

Υψηλής ποιότητας πολύγλωσσο κείμενο προς ομιλία που τρέχει σε CPU με ελάχιστη καθυστέρηση.

Transformer-based text-to-audio μοντέλο που παράγει ρεαλιστική ομιλία, μουσική, και ηχητικά εφέ.

Ελαφρύτερη έκδοση του Μπαρκ με γρηγορότερο συμπέρασμα και χαμηλότερη χρήση μνήμης.

Αλίμπαμπα κλιμακωτή ροή TTS με τη φύση του ανθρώπου-παροικίας και σχεδόν μηδέν καθυστέρηση.

Multi-speaker μοντέλο γενεών διαλόγου που δημιουργεί φυσικές συνομιλίες μεταξύ των ηχείων.

Περιγράψτε τη φωνή που θέλετε στη φυσική γλώσσα και Parler παράγει αντίστοιχη ομιλία.

Zero-shot TTS με λεπτό γρανίτη έλεγχο συναισθημάτων και υψηλή εκφραστικότητα.

Φωνή κλωνοποίησης TTS με ελεγχόμενο συναίσθημα και στυλ ομιλίας μέσω υποκινήσεων.

Λίγη φωνή που κλωνοποιεί TTS που αναπαριστά οποιαδήποτε φωνή από μόλις 5 δευτερόλεπτα ήχου.

Ανθρώπινο επίπεδο συναισθηματικό μοντέλο TTS εκπαιδευμένο σε δεδομένα ομιλίας 100K ώρες.

Η τελευταία λέξη της τεχνολογίας είναι η μηδενική κλωνοποίηση φωνής με συναισθηματικό έλεγχο από το Resemble AI.

Πολυφωνική κείμενο σε ομιλία επικεντρώθηκε στην ποιότητα με την αυτοκαταστροφική αρχιτεκτονική.

Ανθρώπινο επίπεδο κείμενο προς ομιλία μέσω της διάχυσης στυλ και αντιπερισπαστικής εκπαίδευσης.

Άμεση κλωνοποίηση φωνής με κοκκώδη έλεγχο πάνω στο στυλ, το συναίσθημα και την προφορά.

Το πολύγλωσσο TTS της Alibaba με προεπιλεγμένες φωνές και σχέδιο φωνής από το κείμενο.

Βιετναμέζικα + Αγγλικά κωδικό-switching TTS με 7 προεπιλεγμένες φωνές και μηδέν-shot φωνητική κλωνοποίηση. CPU-μόνο, δεν απαιτείται GPU.

Μοντέλο συζήτησης ομιλίας που δημιουργεί φυσικό διάλογο με κατάλληλο συγχρονισμό και συναίσθημα.

Γρήγορη Chatterbox με υπο-200ms καθυστέρηση και παραλγλωσσικές ετικέτες για γέλια, βήχα, και πολλά άλλα.

Tokenizer-free TTS που παράγουν 44.1kHz ήχου με τη συνοχή παράγραφο πλαίσιο-aware.

Εξαιρετικά ελαφρύ 400M αγγλικό μοντέλο TTS τρέχει σε μόλις 3GB VRAM.

LLM-based TTS που τρέχει σε CPU, GPU, ή browser μέσω llama.ccp και Transformers.js.

Microsoft μοντέλο για μεγάλο-μορφό πολυ-ηχητικό περιεχόμενο όπως podcasts και ακουστικά βιβλία.

Ελαφρύ μοντέλο παραμέτρου 100M από την Kyutai με κλωνοποίηση φωνής από ένα μόνο δείγμα.

Εξαιρετικά ελαφρύ TTS κάτω από 80MB. Λειτουργεί σε CPU χωρίς GPU.

Πολυγλωσσικό TTS επόμενης γενιάς με bi-streaming, συναισθηματικό έλεγχο, και μηδενική κλωνοποίηση φωνής.

Πρώτη ανοικτή σαουδαραβική TTS. Ιθαγενής Σαουδαραβική διάλεκτος με κλωνοποίηση φωνής ποιότητας Chatterbox.

Παραλλαγή Cross-modal Qwen3-TTS με βάρη FFN αναμειγνύονται από το μοντέλο γλώσσας Qwen3-1.7B για πιο έντονη πολύγλωσση κλωνοποίηση.

Multi-speaker διάλογο συνέχιση μοντέλο ~ δημιουργούν podcast-style συνομιλίες με μέχρι 5 ηχεία και 60 λεπτά του συνεκτικού ήχου.

Compact 0.5B omni-modal μοντέλο ομιλίας από την ενσωμάτωσηAI με υψηλή πιστότητα 44.1kHz εξόδου και μηδενικής-shot φωνητική κλωνοποίηση.

Μικροσκοπική έκδοση MOSS-TTS 100M, ίδια αρχιτεκτονική, 80x μικρότερη, ελεύθερη-tier καθυστέρηση.