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.

Atteint le taux d'erreur de caractère le plus bas parmi les modèles TTS open-source.

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.

Le TTS multilingue d'Alibaba avec clonage vocal, voix prédéfinies et design vocal à partir du texte.

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.

Streaming-premier TTS conversationnel avec le dialogue multi-parleurs et des indices paralinguistiques.

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

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

TTS à hallucination zéro avec double alignement text-acoustique, 5x plus rapide que les TTS LLM comparables.

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.

Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.

Ultra-long 20-language TTS supporting up to 1 hour of continuous generation with phoneme-level control.

ByteDance's sparse alignment TTS with adjustable intelligibility vs. speaker similarity.