AI ឥតគិតថ្លៃ អត្ថបទទៅការនិយាយ
20+ ម៉ូដែលប្រភពបើកចំហ 107+ សំឡេង 32+ ភាសា & # 160; ។ មិនត្រូវការគណនីទេ & # 160; ។
អ្វីគ្រប់យ៉ាងដែលអ្នកត្រូវការសម្រាប់ AI សំឡេង
30+ ឧបករណ៍ដែលមានថាមពលដោយម៉ូដែល AI ប្រភពបើកចំហ
20+ ម៉ូដែលសំឡេង AI
ការប្រមូលផ្ដុំដ៏ទូលំទូលាយបំផុតនៃម៉ូដែល TTS ប្រភពបើកចំហក្នុងវេទិកាមួយ
Kokoro Free
Kokoro ជា 82 លាន ប៉ារ៉ាម៉ែត្រ អត្ថបទ ទៅ និយាយ ម៉ូដែល ដែល វាយ ល្អ ប្រសើរ ជាង ថ្នាក់ ទំងន់ របស់ វា. ទោះបី ជា ទំហំ តូច របស់ខ្លួន, វា បាន ផលិត ការ និយាយ គួរ ឱ្យ កត់ សម្គាល់ ធម្មជាតិ និង បង្ហាញ. Kokoro គាំទ្រ ភាសា ច្រើន រួម ទាំង ភាសា អង់គ្លេស, ជប៉ុន, ចិន, និង កូរ៉េ ជាមួយនឹង ភាព ខុស គ្នា នៃ សំឡេង បង្ហាញ. វា រត់ យ៉ាង ឆាប់រហ័ស មិន គួរ ឱ្យ ជឿ - បង្កើត អូឌីយ៉ូ ប្រហែល 100x រហ័ស ជាង ពេលវេលា ពិត នៅ លើ GPU ។
ល្អបំផុតសម្រាប់ & # 160; ៖ TTS គុណភាពខ្ពស់ជាមួយការរង់ចាំអប្បបរមា កម្មវិធីស្ទ្រីម
សាកល្បងដោយឥតគិតថ្លៃ
Piper Free
Piper គឺជាម៉ាស៊ីនអត្ថបទទៅជាសំឡេងស្រាលដែលត្រូវបានអភិវឌ្ឍន៍ដោយ Rhasspy ដែលប្រើស្ថាបត្យកម្ម VITS និង larynx ។ វារត់ទាំងស្រុងនៅលើស៊ីភីយូធ្វើឱ្យវាសមស្របសម្រាប់ឧបករណ៍កំរិតស្វ័យប្រវត្តិកម្មផ្ទះនិងកម្មវិធីដែលត្រូវការ TTS ក្រៅបណ្តាញ។ ជាមួយនឹងសំឡេងជាង 100 លើភាសា 30 + Piper ផ្ដល់នូវការនិយាយដែលមានសំឡេងធម្មជាតិនៅល្បឿនពេលវេលាពិតប្រាកដសូម្បីតែនៅលើ Raspberry Pi 4។
ល្អបំផុតសម្រាប់ & # 160; ៖ ការមើលជាមុនរហ័ស មធ្យោបាយងាយស្រួល និងកម្មវិធីដែលបានបង្កប់
សាកល្បងដោយឥតគិតថ្លៃ
VITS Free
VITS (Variation Inference with adversarial learning for end-to-end Text-to-Speech) គឺជាវិធីសាស្ត្រ TTS ប៉ារ៉ាឡែលពីចុងទៅចុងដែលបង្កើតសំឡេងអូឌីយ៉ូដែលមានលក្ខណៈធម្មជាតិជាងម៉ូដែលដំណាក់កាលពីរបច្ចុប្បន្ន & # 160; ។ វាអនុម័តការសន្និដ្ឋានដែលបានបង្កើនដោយការធ្វើឲ្យលំហូរធម្មតា និងដំណើរការហ្វឹកហាត់ដែលមានលក្ខណៈប្រកួតប្រជែងដើម្បីសម្រេចបានការកែលម្អគួរឲ្យកត់សម្គាល់ក្នុងភាពធម្មជាតិ & # 160; ។
ល្អបំផុតសម្រាប់ & # 160; ៖ អត្ថបទទៅការនិយាយសម្រាប់គោលបំណងទូទៅជាមួយនឹងការនិយាយធម្មតា
សាកល្បងដោយឥតគិតថ្លៃ
MeloTTS Free
MeloTTS ដោយ MyShell.ai គឺជាបណ្ណាល័យ TTS ច្រើនភាសាដែលគាំទ្រភាសាអង់គ្លេស (អាមេរិក, អង់គ្លេស, ឥណ្ឌា, អូស្ត្រាលី), អេស្ប៉ាញ, បារាំង, ចិន, ជប៉ុននិងកូរ៉េ។ វាមានភាពរហ័សខ្លាំងណាស់, ដំណើរការអត្ថបទនៅល្បឿនពេលវេលាពិតប្រាកដនៅលើស៊ីភីយូតែម្នាក់ឯង។ MeloTTS ត្រូវបានរចនាឡើងសម្រាប់ការប្រើប្រាស់ផលិតកម្មនិងគាំទ្រទាំងការសន្និដ្ឋានស៊ីភីយូនិង GPU ។
ល្អបំផុតសម្រាប់ & # 160; ៖ កម្មវិធីផលិតកម្មដែលត្រូវការ TTS រហ័ស និងច្រើនភាសា
សាកល្បងដោយឥតគិតថ្លៃ
Bark Standard
ម៉ូដែលអត្ថបទទៅអូឌីយ៉ូដែលមានមូលដ្ឋានលើបម្លែង ដែលបង្កើតការនិយាយពិត តន្ត្រី និងបែបផែនសំឡេង & # 160; ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Suno · អាជ្ញាបណ្ណ ៖ MIT
សាកល្បង
Bark Small Standard
កំណែស្រាលជាងរបស់ Bark ដែលមានការសន្និដ្ឋានលឿនជាង និងការប្រើសតិទាបជាង & # 160; ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Suno · អាជ្ញាបណ្ណ ៖ MIT
សាកល្បង
CosyVoice 2 Standard
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Alibaba (Tongyi Lab) · អាជ្ញាបណ្ណ ៖ Apache 2.0
សាកល្បង
Dia TTS Standard
ម៉ូដែលបង្កើតប្រអប់អ្នកនិយាយច្រើនដែលបង្កើតការសន្ទនាធម្មជាតិរវាងអ្នកនិយាយ & # 160; ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Nari Labs · អាជ្ញាបណ្ណ ៖ Apache 2.0
សាកល្បង
Parler TTS Standard
ពិពណ៌នាសំឡេងដែលអ្នកចង់បានជាភាសាធម្មជាតិ ហើយ Parler បង្កើតការនិយាយដែលផ្គូផ្គង & # 160; ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Hugging Face · អាជ្ញាបណ្ណ ៖ Apache 2.0
សាកល្បង
GLM-TTS Standard
សម្រេចអត្រាកំហុសតួអក្សរទាបបំផុតក្នុងចំណោមម៉ូដែល TTS ប្រភពបើកចំហ & # 160; ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Zhipu AI · អាជ្ញាបណ្ណ ៖ GLM-4 License
សាកល្បង
IndexTTS-2 Standard
Zero-shot TTS ជាមួយការត្រួតពិនិត្យអារម្មណ៍ល្អិតល្អន់ និងការបង្ហាញខ្ពស់ & # 160; ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Index Team · អាជ្ញាបណ្ណ ៖ Bilibili Model License
សាកល្បង
Spark TTS Standard
ក្លូនសំឡេង TTS ជាមួយអារម្មណ៍ដែលអាចត្រួតពិនិត្យបាន និងរចនាប័ទ្មនិយាយតាមរយៈការជូនដំណឹង ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ SparkAudio · អាជ្ញាបណ្ណ ៖ CC BY-NC-SA 4.0
សាកល្បង
GPT-SoVITS Standard
សំឡេងខ្លីដែលបានចម្លង TTS ដែលចម្លងសំឡេងណាមួយពីតែ៥ វិនាទីនៃអូឌីយ៉ូ ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ RVC-Boss · អាជ្ញាបណ្ណ ៖ MIT
សាកល្បង
Orpheus Standard
ម៉ូដែល TTS កម្រិតមនុស្សដែលមានអារម្មណ៍ត្រូវបានបណ្តុះបណ្តាលលើ 100K ម៉ោងនៃទិន្នន័យនិយាយ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Canopy Labs · អាជ្ញាបណ្ណ ៖ Llama 3.2 Community
សាកល្បង
Qwen3 TTS Standard
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text ។
អ្នកអភិវឌ្ឍន៍ & # 160; ៖ Alibaba (Qwen) · អាជ្ញាបណ្ណ ៖ Apache 2.0
សាកល្បង
Chatterbox Premium
state-of-the-art សំឡេងក្លែងក្លាយដោយគ្មានការបាញ់ដោយមានការត្រួតពិនិត្យអារម្មណ៍ពី Resemble AI ។
គុណភាព & # 160; ៖
សាកល្បង
Tortoise TTS Premium
អត្ថបទទៅការនិយាយសំឡេងច្រើនផ្តោតលើគុណភាពជាមួយស្ថាបត្យកម្មត្រឡប់ទៅវិញដោយស្វ័យប្រវត្តិ & # 160; ។
គុណភាព & # 160; ៖
សាកល្បង
StyleTTS 2 Premium
អត្ថបទទៅជាការនិយាយកម្រិតមនុស្សតាមរយៈការពង្រីករចនាប័ទ្ម និងការបណ្តុះបណ្តាលដែលមានការប្រកួតប្រជែង & # 160; ។
គុណភាព & # 160; ៖
សាកល្បង
OpenVoice Premium
ការក្លូនសំឡេងភ្លាមៗជាមួយការត្រួតពិនិត្យក្រឡាលើរចនាប័ទ្ម អារម្មណ៍ និងសំឡេងរំខាន ។
គុណភាព & # 160; ៖
សាកល្បង
Sesame CSM Premium
ម៉ូដែលការនិយាយការសន្ទនាបង្កើតប្រអប់ធម្មតាជាមួយពេលវេលាសមរម្យ និងអារម្មណ៍ & # 160; ។
គុណភាព & # 160; ៖
សាកល្បងCosyVoice 2
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency ។
ភាសា ៖ en, zh, ja, ko, fr, de, it, es
ក្លូនសំឡេងGLM-TTS
សម្រេចអត្រាកំហុសតួអក្សរទាបបំផុតក្នុងចំណោមម៉ូដែល TTS ប្រភពបើកចំហ & # 160; ។
ភាសា ៖ en, zh
ក្លូនសំឡេងIndexTTS-2
Zero-shot TTS ជាមួយការត្រួតពិនិត្យអារម្មណ៍ល្អិតល្អន់ និងការបង្ហាញខ្ពស់ & # 160; ។
ភាសា ៖ en, zh
ក្លូនសំឡេងSpark TTS
ក្លូនសំឡេង TTS ជាមួយអារម្មណ៍ដែលអាចត្រួតពិនិត្យបាន និងរចនាប័ទ្មនិយាយតាមរយៈការជូនដំណឹង ។
ភាសា ៖ en, zh
ក្លូនសំឡេងGPT-SoVITS
សំឡេងខ្លីដែលបានចម្លង TTS ដែលចម្លងសំឡេងណាមួយពីតែ៥ វិនាទីនៃអូឌីយ៉ូ ។
ភាសា ៖ en, zh, ja, ko
ក្លូនសំឡេងChatterbox
state-of-the-art សំឡេងក្លែងក្លាយដោយគ្មានការបាញ់ដោយមានការត្រួតពិនិត្យអារម្មណ៍ពី Resemble AI ។
ភាសា ៖ en
ក្លូនសំឡេងTortoise TTS
អត្ថបទទៅការនិយាយសំឡេងច្រើនផ្តោតលើគុណភាពជាមួយស្ថាបត្យកម្មត្រឡប់ទៅវិញដោយស្វ័យប្រវត្តិ & # 160; ។
ភាសា ៖ en
ក្លូនសំឡេងOpenVoice
ការក្លូនសំឡេងភ្លាមៗជាមួយការត្រួតពិនិត្យក្រឡាលើរចនាប័ទ្ម អារម្មណ៍ និងសំឡេងរំខាន ។
ភាសា ៖ en, zh, ja, ko, fr, de, es, it
ក្លូនសំឡេងQwen3 TTS
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text ។
ភាសា ៖ en, zh, ja, ko, de, fr, ru, pt, es, it
ក្លូនសំឡេងAPI ដំបូងរបស់អ្នកអភិវឌ្ឍន៍
REST API ឆបគ្នាជាមួយ OpenAI ។ ចំណុចបញ្ចប់មួយ ម៉ូដែល 22 + ។ ការគាំទ្រស្ទ្រីមសម្រាប់កម្មវិធីពេលវេលាពិត ។
- ទ្រង់ទ្រាយឆបគ្នាជាមួយ OpenAI
- ស្ទ្រីម TTS សម្រាប់កម្មវិធីពេលវេលាពិត
- ការដំណើរការបាច់សម្រាប់ការងារធំៗ
- ការជូនដំណឹង Webhook
pip install ttsai
npm install @ttsainpm/ttsai
from tts_ai import TTSClient
client = TTSClient(api_key="sk-tts-xxx")
audio = client.generate(
text="Hello from TTS.ai!",
model="kokoro",
voice="af_bella",
)
client.save(audio, "output.mp3")តម្លៃធម្មតាថ្លា
ចាប់ផ្ដើមដោយឥតគិតថ្លៃ & # 160; ។ ធ្វើមាត្រដ្ឋានតាមដែលអ្នករីកចម្រើន & # 160; ។
ទំនេរ
១៥ ក្រេឌីត
- Kokoro, Piper, VITS, MeloTTS
- ដែនកំណត់តួអក្សរ ៥០០
- 3 មេកាបៃ/ ម៉ោង (គ្មានគណនី)
កម្មវិធីចាប់ផ្ដើម
500 ក្រេឌីត / ខែ
- ម៉ូដែល 22+ ទាំងអស់
- 100,000 chars per generation
- ការក្លូនសំឡេង
ជំនាញ
2,000 ក្រេឌីត / ខែ
- ទាំងអស់នៅក្នុងកម្មវិធីចាប់ផ្ដើម
- ការចូលដំណើរការ API
- ដំណើរការអាទិភាព
សំណួរដែលសួរញឹកញាប់
ចាប់ផ្ដើមប្រើសំឡេង AI ថ្ងៃនេះ
ចូលរួមជាមួយអ្នកបង្កើតអ្នកអភិវឌ្ឍន៍និងអាជីវកម្មដោយប្រើ TTS.ai