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.

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 suara dan desain suara dari teks.

Vietnam + English code-switching TTS dengan 7 suara preset dan kloning suara nol-shot. CPU-only, tidak dibutuhkan GPU.

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.

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

Model Maksimal Ultra 400M English TTS berjalan hanya dalam 3GB VRAM.

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

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 di bawah 80MB. dijalankan pada CPU tanpa GPU.

Berikutnya generasi multibahasa TTS dengan bi-streaming, kontrol emosi, dan kloning suara nol-shot.

dialek Saudi asli Saudi dengan kloning suara berkualitas Chatterbox.

Varian lintas-modal Qwen3-TTS dengan berat FFN dipadukan dari model bahasa Qwen3-1.7B untuk kloning multibahasa yang lebih tajam.

Berdialog multi-taluter model kelanjutan. membuat percakapan gaya podcast dengan hingga 5 speaker dan 60 menit dari audio koheren.

Compact 0.5B omni-modal model pidato dari inclusionAI dengan high-fidelity 44.1kHz keluaran dan clone suara nol-shot.

100M MOSS-TTS varian sama arsitektur, 80x lebih kecil, latensi free-tier.