AI gratuit Texte au discours

Modèle de paramètre léger 82M offrant un langage de qualité studio avec inférence rapide.

Un système de texte neural à la parole rapide et local optimisé pour Raspberry Pi et les appareils embarqués.

Autoencodeur de variation conditionnelle avec apprentissage contradictoire pour le texte de bout en bout à la parole.

De haute qualité multilingue texte-à-parler qui fonctionne sur CPU avec latence minimale.

Modèle transformateur texte-audio qui génère des effets réalistes de la parole, de la musique et du son.

Version plus légère de Bark avec inférence plus rapide et utilisation de la mémoire inférieure.

Le TTS en streaming évolutif d'Alibaba avec la naturelité humaine-parité et la latence quasi nulle.

Modèle de génération de dialogue multi haut-parleurs qui crée des conversations naturelles entre les haut-parleurs.

Décrivez la voix que vous voulez dans le langage naturel et Parler génère la parole correspondante.

TTS zéro-shot avec un contrôle d'émotion à grain fin et une haute expressivité.

Le clonage de la voix TTS avec une émotion contrôlable et un style de parole via des invites.

Closonnage de voix à faible capture TTS qui reproduit n'importe quelle voix à partir de seulement 5 secondes d'audio.

Modèle TTS émotionnel au niveau humain formé sur 100 K heures de données de la parole.

Closonnage de voix ultramoderne avec contrôle de l'émotion de la part de Resemblez à l'IA.

Multi-voix texte-à-parler axé sur la qualité avec l'architecture autorégressive.

Le texte à la parole au niveau humain grâce à la diffusion de style et à la formation contradictoire.

Le clonage de la voix instantanée avec contrôle granulaire sur le style, l'émotion et l'accent.

TTS multilingue d'Alibaba avec voix prédéfinies et conception vocale à partir du texte.

Vietnamien + anglais code-switching TTS avec 7 voix prédéfinies et le clonage voix zéro-shot. CPU-seulement, pas de GPU requis.

Modèle conversationnel de la parole générant le dialogue naturel avec le timing approprié et l'émotion.

Plus rapide Chatterbox avec sous-200ms latence et des étiquettes paralinguistiques pour rires, toux, et plus encore.

TTS sans tokenizer produisant 44,1kHz audio avec cohérence de paragraphe contextuelle.

Ultra-léger modèle TTS anglais 400M fonctionnant en seulement 3 Go VRAM.

TTS basé sur LLM qui fonctionne sur CPU, GPU, ou navigateur via lama.cpp et Transformers.js.

Modèle Microsoft pour les contenus multi-parleurs de longue durée comme les podcasts et les livres audio.

Modèle de paramètre léger 100M par Kyutai avec clonage vocal à partir d'un seul échantillon.

Ultra-léger TTS de moins de 80 Mo. Fonctionne sur CPU sans GPU.

TTS multilingue de nouvelle génération avec bi-streaming, contrôle des émotions, et le clonage voix zéro-shot.

Premier TTS saoudien-arabe ouvert. Dialecte saoudien natif avec clonage vocal de qualité Chatterbox.

Variante modal Qwen3-TTS avec poids FFN mélangés avec le modèle de langage Qwen3-1.7B pour un clonage multilingue plus net.

Modèle de continuation du dialogue multi haut-parleurs – générer des conversations de type podcast avec jusqu'à 5 haut-parleurs et 60 minutes d'audio cohérent.

Modèle omnimodal compact 0.5B de la parole de l'inclusionAI avec une sortie haute fidélité 44,1kHz et le clonage vocal zéro-shot.

Tiny 100M MOSS-TTS variante — même architecture, 80x plus petit, latence de plein air.