Gratis AI Teks ke Pidato

Model parameter 82M ringan memberikan pidato kualitas studio dengan inferensi cepat menyala.

Teks saraf lokal yang cepat, ke sistem pidato yang dioptimalkan untuk Raspberry Pi dan perangkat yang tertanam.

Variasi kondisional autoencoder dengan adversarial belajar untuk akhir-to-end teks-to-peech.

Kualitas tinggi multibahasa teks-ke-peech yang berjalan pada CPU dengan latensi minimal.

Model teks berbasis Transformer-to-audio yang menghasilkan pidato, musik, dan efek suara yang realistis.

Lighter versi Bark dengan inferensi yang lebih cepat dan penggunaan memori yang lebih rendah.

TTS bersisik Aliba dengan sifat alami manusia dan latensi dekat nol.

Model dialog multi pembicara yang menciptakan percakapan alami antara pembicara.

Gambarkan suara yang Anda inginkan dalam bahasa alami dan Parler menghasilkan pidato yang cocok.

Mencapai tingkat kesalahan karakter terendah di antara model TTS open-source.

Nol-shot TTS dengan kontrol emosi halus dan ekspresif tinggi.

Suara kloning TTS dengan emosi terkendali dan berbicara gaya melalui prompt.

Beberapa kali kloning suara TTS yang mereplikasi suara hanya dari 5 detik audio.

Model TTS emosional tingkat manusia dilatih pada 100K jam dari data pidato.

State-of-the-art zero-shot voice kloning dengan kontrol emosi dari Resemble AI.

Speech teks multi-voice difokuskan pada kualitas dengan arsitektur autoregresif.

Tingkat manusia teks-to-peech melalui gaya difusi dan pelatihan permusuhan.

Kloning suara instan dengan kontrol granular atas gaya, emosi, dan aksen.

TTS multibahasa Aliba dengan kloning suara, prasetel suara, dan desain suara dari teks.

Model percakapan menghasilkan dialog alami dengan waktu yang tepat dan emosi.

Lebih cepat Chatterbox dengan latensi sub-200ms dan tag paralinguistik untuk tertawa, batuk, dan banyak lagi.

Streaming-pertama percakapan TTS dengan dialog multi- pembicara dan isyarat paralinguistik.

TTS bebas tokenizer memproduksi audio 44.1kHz dengan konsistensi paragraf sadar konteks.

TTS LLM berbasis yang berjalan pada CPU, GPU, atau peramban melalui llama.cpp dan Transformers.js.

Nol-hallusinasi TTS dengan alignmen ganda-akustik teks, 5x lebih cepat dari LLM TTS yang sebanding.

Model Microsoft untuk konten multi pembicara bentuk panjang seperti podcast dan buku audio.

Model parameter 100M ringan oleh Kyutai dengan kloning suara dari sampel tunggal.

Ultra-lightweight TTS under 80MB. Runs on CPU without 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.