IA gratuita Testo al discorso

Modello leggero di parametro 82M che fornisce un discorso di qualità da studio con un'inferenza veloce e sfolgorante.

Un veloce, locale testo neurale al sistema vocale ottimizzato per Raspberry Pi e dispositivi incorporati.

Autoencoder variantele condizionale con apprendimento adversarial per il testo end-to-end-to-speech.

Testo multilingue di alta qualità che gira su CPU con latenza minima.

Modello testuale-audio basato sul trasformatore che genera parole, musica e effetti sonori realistici.

Versione più leggera di Bark con inferenza più veloce e utilizzo della memoria inferiore.

TTS scalabile in streaming di Alibaba con naturalezza umana-parità e latenza presso-zero.

Modello di generazione di finestre di dialogo multialtoparlanti che crea conversazioni naturali tra altoparlanti.

Descrivi la voce che vuoi nel linguaggio naturale e Parler genera un discorso corrispondente.

Zero-shot TTS con controllo delle emozioni a grana fine e alta espressività.

Clonazione vocale TTS con emozione controllabile e stile parlante tramite prompt.

Pochi colpi di clonazione vocale TTS che replica qualsiasi voce da soli 5 secondi di audio.

Modello TTS emotivo a livello umano addestrato su 100K ore di dati vocali.

Clonazione vocale all'avanguardia con controllo delle emozioni da parte di Resemble AI.

Text-to-speech multivoce focalizzato sulla qualità con architettura autoregressiva.

Testo-a-parlare a livello umano attraverso la diffusione dello stile e la formazione avversaria.

Clonazione vocale istantanea con controllo granulare su stile, emozione e accento.

TTS multilingue di Alibaba con voci preimpostate e design vocale da testo.

Switching TTS Vietnamita + Inglese con 7 voci preimpostate e clonazione vocale a zero colpi. Solo CPU, nessuna GPU richiesta.

Modello di discorso conversazionale che genera dialogo naturale con tempismo ed emozione appropriati.

Più veloce Chatterbox con latenza sub-200m e tag paralinguistici per risate, tosse, e altro ancora.

TTS senza tokenizer che produce audio 44.1kHz con coerenza del paragrafo context-aware.

Modello TTS inglese da 400M ultraleggero in soli 3GB di VRAM.

TTS basato su LLM che viene eseguito su CPU, GPU o browser tramite lama.cpp e Transformers.js.

Modello Microsoft per contenuti multi-altoparlanti a lunga forma come podcast e audiolibri.

Modello leggero di parametro 100M di Kyutai con clonazione vocale da un singolo campione.

TTS ultraleggero sotto gli 80MB. Funziona sulla CPU senza GPU.

TTS multilingue di nuova generazione con doppio streaming, controllo emotivo e clonazione vocale a zero colpi.

Primo TTS saudita-arabo aperto. Nativo dialetto saudita con la clonazione vocale di qualità Chatterbox.

Variante cross-modal Qwen3-TTS con pesi FFN miscelati dal modello di linguaggio Qwen3-1.7B per la clonazione multilingue più nitida.

Il modello di dialogo multi-altoparlante continua a generare conversazioni in stile podcast con fino a 5 altoparlanti e 60 minuti di audio coerente.

Modello di linguaggio compatto 0.5B omni-modal da inclusioneAI con uscita 44.1kHz ad alta fedeltà e clonazione vocale a zero colpi.

Piccola variante MOSS-TTS 100M Stessa architettura, 80x più piccola, latenza a livello libero.