મુક્ત AI લખાણને બોલવામાંName
22+ ઓપન-સોર્સ મોડેલો, 100+ અવાજો, 32+ ભાષાઓ. ખાતું જરૂરી નથી.
અવાજ AI માટે તમારે જરૂરી બધુંName
24+ ઓપન-સોર્સ એઆઈ મોડેલો દ્વારા 26 સાધનો
૨૨+ AI અવાજ મોડેલો
એક પ્લેટફોર્મમાં ઓપન-સોર્સ TTS મોડેલોનું સૌથી વિસ્તૃત સંગ્રહ
Kokoro Free
Kokoro is an 82 million parameter text-to-speech model that punches well above its weight class. Despite its tiny size, it produces remarkably natural and expressive speech. Kokoro supports multiple languages including English, Japanese, Chinese, and Korean with a variety of expressive voices. It runs incredibly fast — generating audio nearly 100x faster than real-time on a GPU.
માટે શ્રેષ્ઠ: High-quality TTS with minimal latency, streaming applications
મફત પ્રયત્ન કરો
Piper Free
Piper is a lightweight text-to-speech engine developed by Rhasspy that uses VITS and larynx architectures. It runs entirely on CPU, making it ideal for edge devices, home automation, and applications requiring offline TTS. With over 100 voices across 30+ languages, Piper delivers natural-sounding speech at real-time speeds even on a Raspberry Pi 4.
માટે શ્રેષ્ઠ: Quick previews, accessibility, and embedded applications
મફત પ્રયત્ન કરો
VITS Free
VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) is a parallel end-to-end TTS method that generates more natural sounding audio than current two-stage models. It adopts variational inference augmented with normalizing flows and an adversarial training process, achieving a significant improvement in naturalness.
માટે શ્રેષ્ઠ: General-purpose text-to-speech with natural prosody
મફત પ્રયત્ન કરો
MeloTTS Free
MeloTTS by MyShell.ai is a multilingual TTS library supporting English (American, British, Indian, Australian), Spanish, French, Chinese, Japanese, and Korean. It is extremely fast, processing text at near real-time speed on CPU alone. MeloTTS is designed for production use and supports both CPU and GPU inference.
માટે શ્રેષ્ઠ: ઉત્પાદન કાર્યક્રમોને ઝડપી, બહુભાષી TTS ની જરૂર છે
મફત પ્રયત્ન કરો
Bark Standard
Transformer-based text-to-audio model that generates realistic speech, music, and sound effects.
ડેવલોપર: Suno · લાઇસન્સ: MIT
પ્રયત્ન કરો
Bark Small Standard
Lighter version of Bark with faster inference and lower memory usage.
ડેવલોપર: Suno · લાઇસન્સ: MIT
પ્રયત્ન કરો
CosyVoice 2 Standard
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.
ડેવલોપર: Alibaba (Tongyi Lab) · લાઇસન્સ: Apache 2.0
પ્રયત્ન કરો
Dia TTS Standard
બહુ-સ્પીકર સંવાદ ઉત્પન્ન મોડેલ કે જે સ્પીકર વચ્ચે કુદરતી વાતચીત બનાવે છે.
ડેવલોપર: Nari Labs · લાઇસન્સ: Apache 2.0
પ્રયત્ન કરો
Parler TTS Standard
Describe the voice you want in natural language and Parler generates matching speech.
ડેવલોપર: Hugging Face · લાઇસન્સ: Apache 2.0
પ્રયત્ન કરો
IndexTTS-2 Standard
Zero-shot TTS with fine-grained emotion control and high expressiveness.
ડેવલોપર: Index Team · લાઇસન્સ: Apache 2.0
પ્રયત્ન કરો
Spark TTS Standard
Voice cloning TTS with controllable emotion and speaking style via prompts.
ડેવલોપર: SparkAudio · લાઇસન્સ: Apache 2.0
પ્રયત્ન કરો
GPT-SoVITS Standard
Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.
ડેવલોપર: RVC-Boss · લાઇસન્સ: MIT
પ્રયત્ન કરો
Orpheus Standard
Human-level emotional TTS model trained on 100K hours of speech data.
ડેવલોપર: Canopy Labs · લાઇસન્સ: Llama 3.2 Community
પ્રયત્ન કરો
Qwen3 TTS Standard
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text.
ડેવલોપર: Alibaba (Qwen) · લાઇસન્સ: Apache 2.0
પ્રયત્ન કરો
Chatterbox Premium
Resemble AI માંથી લાગણી નિયંત્રણ સાથે state-of-the-art zero-shot અવાજ ક્લોનિંગ.
ગુણવત્તા:
પ્રયત્ન કરો
Tortoise TTS Premium
ઓટોરેગ્રેસિવ આર્કિટેક્ચર સાથે ગુણવત્તા પર કેન્દ્રિત બહુ- અવાજ લખાણ-થી-ભાષણ.
ગુણવત્તા:
પ્રયત્ન કરો
StyleTTS 2 Premium
Human-level text-to-speech through style diffusion and adversarial training.
ગુણવત્તા:
પ્રયત્ન કરો
OpenVoice Premium
શૈલી, લાગણી, અને ઉચ્ચાર પર ઘન નિયંત્રણ સાથે તાત્કાલિક અવાજ ક્લોનિંગ.
ગુણવત્તા:
પ્રયત્ન કરોCosyVoice 2
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.
ભાષાઓ: en, zh, ja, ko, fr, de, it, es
અવાજ ક્લોન કરોIndexTTS-2
Zero-shot TTS with fine-grained emotion control and high expressiveness.
ભાષાઓ: en, zh
અવાજ ક્લોન કરોSpark TTS
Voice cloning TTS with controllable emotion and speaking style via prompts.
ભાષાઓ: en, zh
અવાજ ક્લોન કરોGPT-SoVITS
Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.
ભાષાઓ: en, zh, ja, ko
અવાજ ક્લોન કરોChatterbox
Resemble AI માંથી લાગણી નિયંત્રણ સાથે state-of-the-art zero-shot અવાજ ક્લોનિંગ.
ભાષાઓ: en
અવાજ ક્લોન કરોTortoise TTS
ઓટોરેગ્રેસિવ આર્કિટેક્ચર સાથે ગુણવત્તા પર કેન્દ્રિત બહુ- અવાજ લખાણ-થી-ભાષણ.
ભાષાઓ: en
અવાજ ક્લોન કરોOpenVoice
શૈલી, લાગણી, અને ઉચ્ચાર પર ઘન નિયંત્રણ સાથે તાત્કાલિક અવાજ ક્લોનિંગ.
ભાષાઓ: en, zh, ja, ko, fr, de, es, it
અવાજ ક્લોન કરોQwen3 TTS
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text.
ભાષાઓ: en, zh, ja, ko, de, fr, ru, pt, es, it
અવાજ ક્લોન કરોડેવલોપર-પહેલા API
OpenAI-સુસંગત REST API. એક અંતબિંદુ, ૨૨+ મોડેલો. વાસ્તવિક સમય કાર્યક્રમો માટે સ્ટ્રીમિંગ આધાર.
- OpenAI-સુસંગત બંધારણ
- રિયલ-ટાઇમ કાર્યક્રમો માટે સ્ટ્રીમિંગ TTS
- મોટા કાર્યો માટે બેચ પ્રક્રિયા
- વેબહોક નોંધણીઓ
import requests
response = requests.post(
"https://api.tts.ai/v1/tts/",
headers={"Authorization": "Bearer sk-tts-xxx"},
json={
"model": "kokoro",
"text": "Hello from TTS.ai!",
"voice": "af_bella",
}
)
with open("output.mp3", "wb") as f:
f.write(response.content)સરળ, પારદર્શક કિંમત
મુક્ત શરૂઆત. તમે વધો તેમ માપન કરો.
મુક્ત
૫૦ ક્રેડિટ
- Kokoro, Piper, VITS, MeloTTS
- 500 અક્ષરોની મર્યાદા
- ૩ જન/કલાક (ખાતું નથી)
પ્રોફેશનલ
૨,૦૦૦ ક્રેડિટ્સ/મહિનો
- શરૂઆતમાં બધું
- API પ્રવેશ
- પ્રાથમિકતા પ્રક્રિયા
એન્ટરપ્રાઇઝ
10,000 ક્રેડિટ્સ/મહિનો
- Pro માં બધું
- બલ્ક API
- પ્રાથમિકતા કતાર
વારંવાર પૂછાતા પ્રશ્નો
AI અવાજ આજે વાપરવાનું શરૂ કરો
TTS.ai ની મદદથી બનાવનારાઓ, વિકાસકર્તાઓ અને વ્યવસાયો સાથે જોડાઓ