Tasuta tehisintellekt Tekst kõnele

Lightweight 82M parameetri mudel pakkuda stuudio-kvaliteet kõne koos lõõskav-kiire järeldus.

Kiire, kohalik neuraalne tekst kõne süsteemi optimeeritud Vaarika Pi ja sisseehitatud seadmed.

Tingimuslik variational autoencoder võistleva õppe lõpuni teksti kõne.

Kvaliteetne mitmekeelne tekst-kõne, mis töötab CPU minimaalse latentsus.

Transformer-põhine teksti-to-audio mudel, mis tekitab realistlik kõne, muusika, ja heliefekte.

Kergem versioon Bark kiirem järeldus ja madalam mälu kasutamine.

Alibaba skaleeritav streaming TTS koos inimese-parity naturalness ja liginull latency.

Mitme kõlariga dialoogi genereerimise mudel, mis loob kõnelejate vahel loomuliku vestluse.

Kirjelda oma soovitud häält loomulikus keeles ja Parler loob sobiva kõne.

Null-shot TTS peeneteraline emotsioonide kontrolli ja kõrge väljendusvõimega.

Hääl kloonimine TTS kontrollitav emotsioonide ja rääkimisstiili kaudu.

Vähesed helid kloonivad TTS-d, mis jäljendavad igat häält vaid 5 sekundi helist.

Inimese tasemel emotsionaalne TTS mudel treenitud 100K tundi kõne andmeid.

"State-of-the-art null-shot hääl kloonimine emotsioonide kontrolli Remonte AI.

Mitme häälega teksti kõne-kõne keskendus kvaliteedi autoregressiivne arhitektuur.

Inimese tasemel teksti kõne-kõne kaudu stiili difusiooni ja võistlevate koolitus.

Kiire hääl kloonimine granuleeritud kontrolli stiil, emotsioonid, ja aktsent.

Alibaba mitmekeelne TTS eelseadistatud häälte ja häälekujundusega tekstist.

Vietnami + inglise kood-switching TTS 7 eelnevalt hääled ja null-shot hääl kloonimine. CPU-ainult, ei GPU vaja.

Vestluskõne mudel, mis loob loomuliku dialoogi sobiva ajastuse ja emotsioonidega.

Kiirem Chatterbox sub-200ms latency ja paralinguistlik sildid naeru, köha, ja rohkem.

Tokenizer-free TTS producing 44,1kHz audio with context-aware paragraph consistance.

Ultra-valgus 400M Inglise TTS mudel töötab vaid 3GB VRAM.

LLM-põhine TTS, mis töötab CPU, GPU, või brauseri kaudu lama.cpp ja Transformers.js.

Microsoft mudel pikaform multi-kõlar sisu nagu podcasts ja audiobooks.

Kyutai kerge 100M parameetri mudel, mille puhul ühe proovi hääl kloonitakse.

Ultra-kerge TTS alla 80MB. Käivitab CPU ilma GPU.

Järgmise põlvkonna mitmekeelne TTS koos bi-streaming, emotsioonide kontroll, ja null-shot hääl kloonimine.

Esimene avatud Saudi-Arabic TTS. Native Saudi dialekt Chatterbox-kvaliteedi hääl kloonimine.

Intermodaalne Qwen3-TTS variant FFN kaaluga, mis on segatud Qwen3-1.7B keelemudelist teravama mitmekeelse kloonimise jaoks.

Multi-speaker dialoogi jätkamise mudel ~ genereerida podcast stiilis vestlusi kuni 5 kõlarid ja 60 minutit sidusat heli.

Kompaktne 0,5B omni-modaalne kõnemudel inclusionAI suure truuduse 44,1kHz väljundiga ja nullkuuma hääle kloonimisega.

Pisike 100M MOSS-TTS variant, sama arhitektuur, 80x väiksem, vabataseme latentsus.