Free AI Texti í talName

Léttur 82M breytu líkan sem skilar stúdíó-gæði ræðu með eldingu-fljótur ályktun.

A fljótur, staðbundin tauga texta til talkerfi bjartsýni fyrir Raspberry Pi og innbyggðum tækjum.

Skilyrt afbrigðileg sjálfvirk kóðari með andstæða námi fyrir enda-til-enda texta-til-tal.

Hágæða fjöltyngdur texti-til-tal sem keyrir á CPU með lágmarks leynd.

Transformer-undirstaða texta-til-hljóð líkan sem býr raunhæfa ræðu, tónlist og hljóð.

Léttari útgáfa af Bark með hraðari ályktun og lægri minni notkun.

Scalable straumspilun TTS Fjarvistarsönnunar með mannlegri jafnrétti náttúruleika og nálægt núll leynd.

Multi-hátalara samtal kynslóð líkan sem skapar náttúruleg samtöl milli hátalara.

Lýsið rödd sem þú vilt í náttúrulegu tungumáli og Parler býr til samsvarandi ræðu.

Ná lægsta staf villa hlutfall meðal opnum uppruna TTS módel.

Zero-skot TTS með fínkorna tilfinningastjórnun og mikla tjáningarmátt.

Rödd klónun TTS með stjórnanlegum tilfinningum og talstíl í gegnum kveikjur.

Few-skot rödd klónun TTS sem endurtekur hvaða rödd frá aðeins 5 sekúndur af hljóði.

Tilfinningaleg TTS líkan á mannlegum stigum þjálfað á 100K klukkustundum talgagna.

State-of-the-art núll-skot rödd klónun með tilfinningum stjórna frá líkja AI.

Multi-rödd texti-til-tal lögð áhersla á gæði með autoregressive arkitektúr.

Human-stigi texta-til-tal í gegnum stíl dreifingu og andstæðingur-þjálfun.

Augnablik rödd klónun með kornuðu stjórn á stíl, tilfinningum og hreim.

Fjöltyng TTS Fjarvistarsönnunar með raddklónun, forstilltum raddum og raddhönnun úr texta.

Samtals tal líkan sem býr til náttúrulega samræður með viðeigandi tímasetningu og tilfinningar.

Hraðari Chatterbox með undir-200ms leynd og paralinguistic merki fyrir hlátur, hósta og fleira.

Streaming-fyrsta samtals TTS með multi-hátalara samtal og paralinguistic vísbendingu.

Tokenizer-frjáls TTS framleiðir 44.1kHz hljóð með samhengi-vitur málsgrein samræmi.

LLM-undirstaða TTS sem keyrir á CPU, GPU, eða vafra í gegnum llama.cpp og Transformers.js.

Zero-ofskynjanir TTS með texta-acoustic tvískiptur samræmingu, 5x hraðar en sambærileg LLM TTS.

Microsoft líkan fyrir efni í langri mynd með mörgum hátölurum eins og podcast og hljóðbækur.

Léttur 100M breytu líkan með Kyutai með rödd klónun úr einu sýni.

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.