ಮಾತಿನ ಪಠ್ಯ AI ಏಜರ್‌ಗಳು ಸಂಗೀತ ಟೆಕ್ಸ್ಟ್‍ಗೆ ಧ್ವನಿ ಧ್ವನಿ ಕೆರಳುವಿಕೆ ಧ್ವನಿ ವಿನ್ಯಾಸName ಮಾರುಕಟ್ಟು ಇನ್ನಷ್ಟು

ಫ್ರೀ AI ಮಾತಿನ ಪಠ್ಯ

33+ ತೆರೆದ-ಸಂಪಾದಕ, 273+ ಧ್ವನಿಗಳು, 33+ ಭಾಷೆಗಳು. ಯಾವುದೆ ಖಾತೆಯ ಅಗತ್ಯವಿದೆ.

17K+
ನಿರ್ಮಾಣಗಾರ
70K+
ಪೀಳಿಗೆಗಳು
33+
AI ಮಾದರಿಗಳು
273+
ಧ್ವನಿಗಳು
0/500 ಲಿಪ್ಯಂಶಗಳು · ಪ್ರತಿ ಪೀಳಿಗೆಗೆ 5,000 ಕ್ಕೆ ಸಹಿ ಹಾಕಿ → ಉಚಿತ
ಪೀಳಿಗೆಗೆ 5,000 ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ಗಳು 15,000 ಉಚಿತ ಪಾತ್ರಧಾರಿಗಳು ಕ್ರೆಡಿಟ್ ಕಾರ್ಡಿಲ್ಲ ವ್ಯಾಪಾರ ಬಳಕೆ OK
ಉಚಿತವಾಗಿ ಪತ್ತೆ ಮಾಡು
ಆಡಿಯೊವನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡು ಕೊಂಡಿಯ ವಾಯಿದೆ 24h ನಲ್ಲಿ
ನಿಮ್ಮ ಸ್ನೇಹಿತರನ್ನು ಪ್ರೀತಿಸುತ್ತೀರಾ?
20+ ಮಾದರಿಗಳು, ವೇಗ ನಿಯಂತ್ರಣ ಹಾಗು ಕಡತ ರಫ್ತು ಮಾಡುವ ಪ್ರೌಢ TTS ಸಲಕರಣೆ

[ ಪುಟ 12ರಲ್ಲಿರುವ ಚಿತ್ರ]

೩೦+ ಸಲಕರಣೆಗಳು ಓಪನ್ ಜೆಎಲ್ ಎಐ ಸಾಧನಗಳುName

ಮಾತಿನ ಪಠ್ಯ

20+ AI ಮಾದರಿ, ೧೦+ ಧ್ವನಿಗಳು, 30+ ಭಾಷೆಗಳುName

ಮಾತಿನ ಪಠ್ಯ

ವಿಸ್ಪರ್‌, ತ್ವರಿತಗತಿಯ ವಿಸ್ಪರ್‌, ಸುಜ್ಞಾನ, 99 ಭಾಷೆಗಳು

ಶ್ರವ್ಯಾಂಶ/ ಕಲಾವಿದಾರ (ಕ್ಯಾಲಿಬ್ರೇಷನ್) Name

AI ದೊಂದಿಗೆ ಆಡಿಯೋ ಮತ್ತು ವಿಡಿಯೋವನ್ನು ಸೇರಿಸಲಾಗುತ್ತಿದೆ

ಧ್ವನಿ ಕೆರಳುವಿಕೆ

೫ ಸೆಕೆಂಡುಗಳಿಂದ ಯಾವುದೇ ಧ್ವನಿ ಯನ್ನು ತೆಗೆಯಿರಿ

ಧ್ವನಿ ಹರಟೆ

ರಿಯಲ್ ರಿಯಲ್ ಯ ಸ್ವಾಭಾವಿಕ ಸಮಯ ದಲ್ಲಿ ಸ್ವಾಭಾವಿಕ ಧ್ವನಿಯೊಂದಿಗೆ ಮಾತಾಡಿ

AI ಏಜರ್‌ಗಳು

ಧ್ವನಿ- ಸಾಮರ್ಥ್ಯವಿರುವ వినిವಹಣಾ ಸೇವೆ ಹಾಗು ಹೆಚ್ಚು

AI ಸಂಗೀತ

ಮೂಲ ಸಂಗೀತವನ್ನು ಪಠ್ಯ ವಿವರಣೆಗಳಿಂದ ಉತ್ಪಾದಿಸು

ಧ್ವನಿ ಬದಲಾವಕComment

ಧ್ವನಿ ಗುರುತನ್ನು, ಲಿಪ್ಯಂಶ, ವರ್ಚುಗಟ್

ಧ್ವನಿ ಸುಧಾರಕName

ಶಬ್ದವನ್ನು ತೆಗೆದು ಹಾಕು, ಸ್ಪಷ್ಟೀಕರಣವನ್ನು ಹೆಚ್ಚಿಸು, ನೀರ್ಗಲ್ಲ ಗುಣವನ್ನು ಹೆಚ್ಚಿಸು

ವೋಲಲ್ ತೆಗೆ

ಯಾವುದೇ ಹಾಡಿನಿಂದ ಧ್ವನಿಗಳನ್ನು ಅಥವಾ ಸಾಧನಗಳನ್ನು ಹೊರತೆಗೆಯಿರಿ

ಸಜ್ಜು ವಿಭಜಕ

ಹಾಡುಗಳನ್ನು ಮುಂಡಾಸ, ಬಾಸ್‌, ಧ್ವನಿ, ಇತರೆ ಹಾಡುಗಳಾಗಿ ವಿಭಾಗಿಸಿ

ಮಾತಿನ ಅನುವಾದName

ಭಾಷಣಕಾರ ಸ್ವರವನ್ನು ಸಂರಕ್ಷಿಸಿ ಅನುವಾದಿಸಿರಿ

ಕೀಲಿಕೈ & BPM ಅನ್ವೇಷಕ

ತತ್‌ಕ್ಷಣವೇ ಸಂಗೀತ ಕೀಲಿ ಮತ್ತು ಮೆದುಳುಕೋವನ್ನು ಪತ್ತೆಮಾಡಿರಿ

ಧ್ವನಿ ವಿಲೋಮಕ

MP3, WAV, FLAC, OGG, M4A

ದಸ್ತಾವೇಜನ್ನು ಓದುಗ

ಲೇಖನ, ಪಿಡಿಎಫ್‌ಗಳು ಮತ್ತು ದಾಖಲೆಗಳಿಗೆ ಕಿವಿಗೊಡಿ

ಶ್ರವ್ಯಾಂಶ (ಆಡಿಯೋ) ಪುಸ್ತಕಕ್ಕೆ

EPUB & PDF ಅನ್ನು ಪೂರ್ಣ ಆಡಿಯೊ ಬುಕ್‌ಗಳಿಗೆ ಪರಿವರ್ತಿಸಿ

ಶ್ರವ್ಯಾಂಶ (ಆಡಿಯೋ) ಸ್ಟುಡಿಯೋName

ಬಹು-chaper ಶ್ರವ್ಯಾಂಶ (ಆಡಿಯೋ) ಪುಸ್ತಕಗಳು ಹಾಗು ಪೋರ್ಟ್‌ಪೋರ್ಟ್ಗಳು

ಪ್ಲಾಟ್‌ಕಾರರ್‍

ಎರಡು- ಅತಿಥೇಯ AI ಯಾವುದೇ ವಿಷಯದಿಂದ ಸಂಭಾಷಿಸಲಾಗಿದೆName

ಧ್ವನಿ ಪರಿಣಾಮಗಳು

ಪಠ್ಯ ಸಾಧನದ ಧ್ವನಿ ಪರಿಣಾಮಗಳನ್ನು ಉತ್ಪಾದಿಸು

ಬಜೆಟ್‌ ಟಿಟ್ಸ್‌

CSV ನ ನ ನಕಲೇರಿಸುವಿಕೆಯ ಮೂಲಕ ನೂರಾರು ಪಠ್ಯಗಳನ್ನು ಪರಿವರ್ತಿಸು

ಡ್ರಗ್ಸ್ ಸ್ಟೂಡಿಯೊName

ಡ್ಯಾಡಿ ವಿಡಿಯೋ ಆಡಿಯೋ 30+ ಭಾಷೆಗಳು

ಶೀರ್ಷಿಕೆ ಇಲ್ಲದ ನಿಯಂತ್ರಣಾ ಸಂಪರ್ಕತಟ (ವಿಡ್ಗೆಟ್) Comment

ಯಾವುದೇ ಜಾಲತಾಣಕ್ಕೆ TTS ಅನ್ನು ಒಂದೇ ಸಾಲಿನಲ್ಲಿ ಸೇರಿಸಿ

33+ AI ಧ್ವನಿ ಮಾದರಿಗಳು

ಒಂದು ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ನಲ್ಲಿ ತೆರೆಯಲಾದ TTS ಮಾದರಿಗಳ ಅತಿ ವಿಸ್ತರಣಾ ಸಂಗ್ರಹ

KokoroKokoro

Free

82M ದರ್ಪಕ ಕ್ರಮಬದ್ಧತೆಯ ಮಾದರಿ Strigi- bugt- fignative ಭಾಷಣವನ್ನು ಪ್ರದಾನಿಸುತ್ತದೆ.

82M ಪ್ರಮಿತಿಗಳು ಅತಿ ಹೆಚ್ಚು- ಪ್ರಕ್ಷೇಪಕ ಶ. ಪೂ. ಬಹುಮಾಧ್ಯಮ ಸ್ಟ್ರೀಮಿಂಗ್ ಬೆಂಬಲ
Fast · 1.5GB VRAM ಪ್ರಯತ್ನಿಸಿ

PiperPiper

Free

ಭಾಷಣ ವ್ಯವಸ್ಥೆಗೆ ಒಂದು ತ್ವರಿತವಾದ, ಸ್ಥಳಿಕ ಮೆದುಳಿನ ಪಠ್ಯಪುಸ್ತಕವು ರಾಸ್ಪಾಬೆರ್‌ ಪಿ ಮತ್ತು ಹುದುಗಿದ್ದ ಸಾಧನಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗಿದೆ.

CPU- ಸ್ನೇಹಪರ ಆಫ್‌ಲೈನ್‌ ಸಮರ್ಥವಾಗಿದೆ ೧೦+ ಧ್ವನಿಗಳು 30+ ಭಾಷೆಗಳುName SSML ಬೆಂಬಲ
Fast · 0 (CPU only) VRAM ಪ್ರಯತ್ನಿಸಿ

VITSVITS

Free

ಆನುವಂಶಿಕವಾದ ಭಿನ್ನವಾದ ಸ್ವಾಭಾವಿಕ ಸಂಕೇತೀಕರಣ ಕೊನೆಯಿಂದ ಕೊನೆಯ ಪಠ್ಯಕ್ಕೆ ಕಲಿಯಲು ಕಲಿಯುವಿಕೆಗಾರಿಕೆ.

ಶೀಘ್ರ- ಧ್ವನಿವಧ೯ಕ ನೈಸರ್ಗಿಕ ಪೂರಕ ವೇಗವಾಗಿ ಬಹು ಧ್ವನಿಕಾರಕಗಳು
Fast · 1GB VRAM ಪ್ರಯತ್ನಿಸಿ

MeloTTSMeloTTS

Free

ಬಹುಭಾಷೀಯ ಪಠ್ಯ- ಧ್ವನಿಸುರುಳಿ CPU ನ ಮೇಲೆ ಸಂಕ್ಷೇಪಿಸುತ್ತಿರುವ ಸಂದಿಗ್ಧ ಸ್ಥಿತಿ. Name

CPU- ಆಯಾಮಿಸಲಾಗಿದೆ ಬಹುಮಾಧ್ಯಮ ಬಹು ಘಾತಚಿಹ್ನೆಗಳು ಅಡುಗೆ- ಸಿದ್ಧತಾ (dreview) ಕೆಳಮಟ್ಟದ (ಲೋಡನ್ಸಿ) Name
Fast · 0.5GB (GPU optional) VRAM ಪ್ರಯತ್ನಿಸಿ

BarkBark

Standard

ಅರ್ಥಗರ್ಭಿತವಾದ ಮಾತು, ಸಂಗೀತ ಮತ್ತು ಧ್ವನಿ ಪರಿಣಾಮಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಪಠ್ಯ- ಆಕ್ಷೇಪಣಾ ಮಾದರಿ. Name

ಧ್ವನಿ ಪರಿಣಾಮಗಳು ನಸುನಗೆ/ಮುಖ್ಯ ಸಂಗೀತ ಉತ್ಪಾದನೆName 100+ ಭಾಷಣಕಾರರುName ಬಹುಮಾಧ್ಯಮ
Slow · 5GB VRAM ಪ್ರಯತ್ನಿಸಿ

Bark SmallBark Small

Standard

ಕ್ಷಿಪ್ರಗತಿಯಲ್ಲಿ ಮತ್ತು ಕಡಿಮೆ ಸ್ಮೃತಿ ಬಳಕೆಯೊಂದಿಗೆ ಬಾರ್ಕ್ ನ ಹಗುರವಾದ ಆವೃತ್ತಿ.

ತಿಳಿ ದರ ಪೂರ್ಣ ಬಾರ್ಕ್‌ಗಿಂತ ವೇಗ ಭಾವಾತ್ಮಕ ಮಾತು ಬಹುಮಾಧ್ಯಮ
Medium · 2GB VRAM ಪ್ರಯತ್ನಿಸಿ

CosyVoice 2CosyVoice 2

Standard

ಅಲಿಬಾಬಾನವರ ಸ್ಫುಟವಾದ TTS ನ ಪ್ರಕೃತಿ ಮತ್ತು ಹತ್ತಿರದಲ್ಲಿ 'au-auginy'sahtba(ttts) ಗಳ ಸವಲತ್ತು.

ಸ್ಟ್ರೀಮಿಂಗ್ ಶೂನ್ಯ- ಕಾಲುವೆ (zone- shoose) ಗೊಳಿಕೆ ಸೈಸ್- ಇಂಡೆಲಿಂಗ್ ಏಕವಣಾ ನಿಯಂತ್ರಣ ಮಾನವ ವಿಶಿಷ್ಟ
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

Dia TTSDia TTS

Standard

ಬಹು- ಪ್ರಕ್ಷೇಪಕ ಸಂವಾದ ಉತ್ಪತ್ತಿ ಇದು ಭಾಷಣಗಾರರ ನಡುವಿನ ಸ್ವಾಭಾವಿಕ ಸಂಭಾಷಣೆಗಳನ್ನು ಹುಟ್ಟಿಸುತ್ತದೆ. Name

ಬಹು- ಪ್ರಕ್ಷೇಪಕ ಸಂವಾದ ಉತ್ಪತ್ತಿComment ನೈಸರ್ಗಿಕ ಪರಿವರ್ತನೆ ಭಾವಾತ್ಮಕ ಅಭಿವ್ಯಕ್ತಿ ೧೮೦B ಪ್ರಮಿತಿಗಳು
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

Parler TTSParler TTS

Standard

ನೀವು ಸ್ವಾಭಾವಿಕ ಭಾಷೆಯಲ್ಲಿ ಮತ್ತು ಪ್ಯಾಲರ್‌ನಿಂದ ಬಯಸುವ ಸ್ವರವನ್ನು ವರ್ಣಿಸಿ.

ಧ್ವನಿ ವಿವರಣೆ ನೈಸರ್ಗಿಕ ಭಾಷೆ ನಿಯಂತ್ರಣ ರೂಪಾಂತರಿಸಬಹುದಾದ ಧ್ವನಿ ಸೃಷ್ಟಿಯು ಯಾವುದೆ ಮುಂಚಿತ ಧ್ವನಿಗಳ ಅಗತ್ಯವಿಲ್ಲ
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

IndexTTS-2IndexTTS-2

Standard

ಜೀರೋ-ಸ್ಫೋಟಿನ ತ್ರಿಜ್ಯವಾದ ಭಾವನೆಗಳ ನಿಯಂತ್ರಣ ಮತ್ತು ಉಚ್ಚ ಧ್ವನಿಸುರುಳಿ.

ಏಕವಣಾ ನಿಯಂತ್ರಣ ಶೂನ್ಯ- ಕಾಲುವೆ ಊರ್ಜಿತ ವೆಕ್ಟರುಗಳು ಭಾವಪ್ರಚೋದಕ ಮಾತುಗಳು ಉತ್ತಮ- ಸಿದ್ಧಗೊಂಡ ನಿಯಂತ್ರಣ
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

Spark TTSSpark TTS

Standard

ವಾಕ್‍ಸ್ವಾತಂತ್ರ್ಯದ ಮೂಲಕ ಮಾತಾಡಬಹುದಾದ ಭಾವೋದ್ರೇಕದೊಂದಿಗೆ ಸಂಗೀತದ ಟೆಟ್ಸ್‌ಗಳು.

ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಏಕವಣಾ ನಿಯಂತ್ರಣ ಶೈಲಿ ನಿಯಂತ್ರಣ ಆಕ್ಷೇಪಣೀಯ ೫- ಎರಡನೆ ಸೆಕೆಂಡು
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

GPT-SoVITSGPT-SoVITS

Standard

ಕೇವಲ 5 ಸೆಕೆಂಡುಗಳಿಂದ ಯಾವುದೇ ಧ್ವನಿಯನ್ನು ಹೊರಹೊಮ್ಮಿಸುವ ಕ್ಯೂನಿಫಾರಂ TTS.

೫- ಎರಡನೆ ಸೆಕೆಂಡು ಹಾಡುವ ಧ್ವನಿ ಅಲ್ಪ- ಟೊಪ್ಪಿ ಕಲಿಯುವಿಕೆName ಉಚ್ಚ ನಂಬಿಗಸ್ತಿಕೆ ಸೈಸ್- ಇಂಡೆಲಿಂಗ್
Slow · 6GB VRAM ಪ್ರಯತ್ನಿಸಿ

OrpheusOrpheus

Standard

ಮಾನವ ಮಟ್ಟದ ಭಾವಾತ್ಮಕ TTS ಮಾದರಿ 100K ಯ ಧ್ವನಿ ದತ್ತಾಂಶದಲ್ಲಿ ತರಬೇತಿಗೊಂಡಿತು.

ಮಾನವ - ಮಟ್ಟದ ಭಾವ ೧೦K ಗಂಟೆಗಳ ತರಬೇತಿ ನೈಸರ್ಗಿಕ ಉತ್ಪಾದನೆ ಭಾವಪ್ರಚೋದಕ ಮಾತುಗಳು
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

ChatterboxChatterbox

Premium

Resembel AI ನಿಂದ Stat-tata-shoo Show ಧ್ವನಿಯೊಂದಿಗೆ ಭಾವಾತ್ಮಕ ನಿಯಂತ್ರಣದೊಂದಿಗೆ.

ಶೂನ್ಯ- ಕಾಲುವೆ (zone- shoose) ಗೊಳಿಕೆ ಏಕವಣಾ ನಿಯಂತ್ರಣ ಉಚ್ಚ ನಂಬಿಗಸ್ತಿಕೆ ಶೈಲಿ ವರ್ಗಾವಣೆ ಒಂಟಿ ಮಾದರಿ ಗ್ರಾಹಕ
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

Tortoise TTSTortoise TTS

Premium

ಬಹು- ಪ್ರಕ್ಷೇಪಕ (ಲಾಂಚ್) ಸಾಧನಗಳು ಸ್ವಇಚ್ಛಿಕ ಸಂರಚನಾ (ಇಂಟರ್ಫೇಸ್) ಸಹಿತ (multitring) ಗುಣಮಟ್ಟದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತವೆ.

ಗರಿಷ್ಟ ಗುಣ ಬಹು- ಧ್ವನಿವಧ೯ಕ DALL- EE ಕಟ್ಟಡ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ತಾನಾಗಿಯೆ ಮರುಕಳಿಸುವಿಕೆ
Slow · 8GB VRAM ಪ್ರಯತ್ನಿಸಿ

StyleTTS 2StyleTTS 2

Premium

ವೈಖರಿಯಲ್ಲಿ Diffacus ಹಾಗು ನಿರ್ವಹಣಾತ್ಮಕ ತರಬೇತಿಯ ಮೂಲಕ ಮಾನವ- ಮಟ್ಟದ ಪಠ್ಯವನ್ನು-ಖ್ಯಾತಗೊಳಿಸು.

ಮಾನವ ಮಟ್ಟ ವೈಖರಿ ವಿಭಜನೆಯು (ಫಾಲ್ಟ್) Comment ಸಾಂಸ್ಕೃತಿಕ ತರಬೇತಿಯು ನೈಸರ್ಗಿಕ ವೈವಿಧ್ಯತೆ ಉಚ್ಚ ನಂಬಿಗಸ್ತಿಕೆ
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

OpenVoiceOpenVoice

Premium

ಆ ಕ್ಷಣದ ಧ್ವನಿಯು, ಶೈಲಿ, ಭಾವನೆಗಳು ಮತ್ತು ಉಚ್ಚಾರಣೆಯ ಮೇಲೆ ನಿಯಂತ್ರಣವನ್ನು ಹೊಂದಿದೆ.

ತಕ್ಷಣದ ಕ್ಯೂನಿಫಾರಂ ಧ್ವನಿ ಪರಿವರ್ತನೆ ಏಕವಣಾ ನಿಯಂತ್ರಣ ಸಹಭಾಗಿ (ಇಂಟರ್ಫೇಸ್) ನಿಯಂತ್ರಣ ಬಹುಮಾಧ್ಯಮ
Medium · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

Qwen3 TTSQwen3 TTS

Standard

ಅಲಿಬಾಬಾದ ಬಹುಭಾಷೆ TTS

9 ಮೊದಲಾದ ಧ್ವನಿಗಳು ಪಠ್ಯದಿಂದ ಧ್ವನಿ ವಿನ್ಯಾಸName ಏಕವಣಾ ನಿಯಂತ್ರಣ 10 ಭಾಷೆಗಳಲ್ಲಿ
Medium · 7GB VRAM ಪ್ರಯತ್ನಿಸಿ

VieNeu-TTS-v2VieNeu-TTS-v2

Standard

ವಿಯೆಟ್ನಾಮ್‌ + ಇಂಗ್ಲೀಷ್ ಕೋಡ್‌- ಮಿನುಗುವ TTS ಮೊದಲೆ ಗಾತ್ರದ ಧ್ವನಿಗಳು ಹಾಗು ಶೂನ್ಯ ವ್ಯವಸ್ಥ್ಯಾ ಶಬ್ಧ. CPU- ಮಾತ್ರ, ಅಗತ್ಯವಿಲ್ಲ.

7 ಮುಂಭಾಗದ ಧ್ವನಿಗಳು (NOT + ದಕ್ಷಿಣ ಉತ್ಪಾದನೆಗಳು) ಎನ್ಎನ್‌ವಿ ಸಂಜ್ಞೆ ಧ್ವನಿ ವ್ಯವಸ್ಥ್ಯಾ (೩- 5) ಉಲ್ಲೇಖ (ಉದಾಹರಣೆ) ಸ್ಟ್ರೀಟ್ / ಬಹು ಪ್ರಕ್ಷೇಪಕದ ಬೆಂಬಲ CPU- ಮಾತ್ರ (GPU) ಅಗತ್ಯವಿಲ್ಲ
Fast · CPU VRAM ಪ್ರಯತ್ನಿಸಿ

Sesame CSMSesame CSM

Premium

ಸ್ವರವನ್ನು ಸರಿಯಾದ ಸಮಯದಲ್ಲಿ ಮತ್ತು ಭಾವೋದ್ರೇಕದಿಂದ ಮಾತಾಡುವುದು ಸ್ವಾಭಾವಿಕ.

ಸಂಭಾಷಣೆ ನೈಸರ್ಗಿಕ ಸಮಯ ಮೀರುವಿಕೆ ಹೊರನಡೆ ಹಿಂದಕ್ಕೆ channel ೧ಬಿಅಷ್ಟಕಗಳು
Slow · 8GB VRAM ಪ್ರಯತ್ನಿಸಿ

Chatterbox TurboChatterbox Turbo

Standard

ಕ್ಷಿಪ್ರಗತಿಯ ದಿನಚರಿ ಚೌಕ

ಉಪ- ೨೦೦೦ ನಿಮಿಷಗಳ ಆರಂಭಿಕ ವರ್ಣಮಾಲೆಯ ಟ್ಯಾಗ್‌ಗಳು ೬x ನಿಜವಾದ ಸಮಯ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ನೀರಿನ ಸೂಚನಾ
Fast · 2GB VRAM ಪ್ರಯತ್ನಿಸಿ

VoxCPMVoxCPM

Standard

Thenser- ಮುಕ್ತ TTS ಯು ಸನ್ನಿವೇಶ- ಪರಿಚಯಿತ ಪ್ಯಾರಾ ಸಹಿತ 44.1kHz ಆಡಿಯೊವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

44,khz ಆಡಿಯೊ ಟೋಕನ್ಜರ್- ಫ್ರೀ ಕ್ರಾಸ್- ಏಕರೂಪವಾದ ಕ್ಯೂನಿಫಾರಂ ಸನ್ನಿವೇಶ- ಪರಿಚಯವಿರುವ LORA ಸುವರ್ಣಗೊಳಿಕೆ
Fast · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

Kani TTS 2Kani TTS 2

Free

ಅಲ್ಟ್ರಾ-ಲೈಟ್ 400M ಇಂಗ್ಲೀಷ್ TTS ಮಾದರಿ ಕೇವಲ 3GB VRAM ನಲ್ಲಿ ಚಾಲನೆಗೊಳ್ಳುತ್ತದೆ.

3GB ವೈರಮ್‌ ಅತಿ ಹೆಚ್ಚು- ಪ್ರಕ್ಷೇಪಕ ತಿಳಿ ದರ ನಾನೋಕೋಡೆಕ್ ಉಚಿತ
Fast · 3GB VRAM ಪ್ರಯತ್ನಿಸಿ

OuteTTSOuteTTS

Free

CPU, GPU ನಲ್ಲಿ ಚಾಲ್ತಿಯಲ್ಲಿರುವ, ಅಥವಾ Lamap.cp. javas.javas.

CPU ಸುಪ್ರಸನ್ನತೆ ವೀಕ್ಷಕವು ಕಾರ್ಯನಿರ್ವಹಿಸಿದೆ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಬಹು ಬ್ಯಾಕೆಂಡ್‌ಗಳು ಧ್ವನಿಕಾರ ಪ್ರೊಫೈಲ್‌ಗಳು
Fast · 2GB VRAM ಪ್ರಯತ್ನಿಸಿ

VibeVoiceVibeVoice

Standard

ಮೈಕ್ರೋಸಾಫ್ಟ್ ಮೆಡಿಕಲ್ ಬಹುಮಾಧ್ಯಮ ವಿದ್ಯುತ್ಕೋಶಗಳು ಹಾಗು ಆಡಿಯೋ ಪುಸ್ತಕಗಳಂತಹ (ಪೋರ್ಟ್-ಸ್ಫೋರ್ಟ್) ಒಳಪಿಡಿಗಳಿಗೆ (multi- ಧ್ವನಿಸಾಧನ).

ಬಹು- ಪ್ರಕ್ಷೇಪಕ ಪ್ರತಿ 90 ನಿಮಿಷ ಪೋಡಿಟ್ ಉತ್ಪತ್ತಿ ಧ್ವನಿವರ್ಧಕ (ಸರ್ವರ್) NAME OF TRANSLATORS 200mms ಪ್ರವತ
Fast · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

Pocket TTSPocket TTS

Free

ಒಂದು ನಮೂನೆಯಿಂದ ಕ್ಯೂನಿಫಾರಂ ಅನ್ನು ಹೊಂದಿರುವ Kuutili, evolution ನಿಂದ ಕಡಿಮೆಯ ೦೦M ಕ್ರಮದ ಮಾದರಿ.

೧೦೦M ಪ್ರಮಿತಿಗಳು CPU ಸುಪ್ರಸನ್ನತೆ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಏಕ-ಸಂಪಾದಕ ಅಂಚು- ಸಿದ್ಧ
Fast · 1GB VRAM ಪ್ರಯತ್ನಿಸಿ

Kitten TTSKitten TTS

Free

80MB ಅಡಿಯಲ್ಲಿ ಅತಿ ಹಗುರವಾದ TTS. GPU ಇಲ್ಲದೇ CPU ನ ಚಲಾಯಿಸುತ್ತದೆ.

CPU- ಮಾತ್ರ ಸುರುಳು 80MB ದ ಕೆಳಗೆ ಮಾದರಿ ಗಾತ್ರ 8 ವಿನ್ಯಾಸಿಸಲಾದ ಧ್ವನಿಗಳು ವೇಗ ನಿಯಂತ್ರಣ ONX- ಆಕ್ಷೇಪಣೀಯ 24kHz ಔಟ್‌ಪುಟ್
Fast · 0GB VRAM ಪ್ರಯತ್ನಿಸಿ

CosyVoice3CosyVoice3

Standard

ಮುಂದಿನ ಪೀಳಿಗೆಯ ಬಹುಭಾಷೀಯ TTS, ಎರಡು- ಪಥ, ಭಾವನೆಗಳ ನಿಯಂತ್ರಣ ಮತ್ತು ಶೂನ್ಯ ವ್ಯವಸ್ಥ್ಯಾ ಶ್ರೇಣಿಯೊಂದಿಗೆ.

ದ್ವಿಗುಣಿತ ಏಕವಣಾ ನಿಯಂತ್ರಣ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ವೇಗ/ವಾಲ್ಯೂಮ್ ಕಂಟ್ರೋಲ್ ಈ ಕೆಳಗಿನ ಸೂಚನೆಗಳು:
Fast · 4GB VRAM ಪ್ರಯತ್ನಿಸಿ

NAMAA Saudi TTSNAMAA Saudi TTS

Standard

ಮೊದಲ ಬಾರಿ ತೆರೆಯಲಾದ ಸೌದಿ- ಅರೇಬಿಕ್ ಟಿಟ್ಸ್. ಚತುರಚಚೌಕ- ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ.

ಸೌದಿಯ ಅರೇಬಿಕ್ ಭಾಷೆName ಆಧುನಿಕ ಸ್ಟ್ಯಾಂಡರ್ಡ್‌ ಅರೇಬಿಕ್‌ ಶೂನ್ಯ- ಟೊಪ್ಪಿ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಏಕವಣಾ ನಿಯಂತ್ರಣ ಸ್ಥಳೀಯ ಉಚ್ಚಾರಣೆಯು
Medium · 6GB VRAM ಪ್ರಯತ್ನಿಸಿ

Darwin TTSDarwin TTS

Standard

Cros- ಮಾಡಲ್ ಕ್ವೆನ್ ಕ್ವೆನ್-TTS FFN ತೂಕಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾದ QWn3- 1. 7B ಭಾಷೆ ಮಾದರಿಯು ಸ್ಫುಟವಾದ ಬಹುಭಾಷೀಯ ಕಾಲ್ಪನಿಕ ಪರಿಶಿಷ್ಟದಲ್ಲಿದೆ.

ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಸೈಸ್- ಇಂಡೆಲಿಂಗ್ FFN- ಉತ್ಪತ್ತಿಗೊಳಿಸಲಾದQuery 4 ಮುಖ್ಯ ಭಾಷೆಗಳು ಕ್ಯುವೆನ್ 3 ಬೆಟ್Comment
Medium · 7GB VRAM ಪ್ರಯತ್ನಿಸಿ

MOSS-TTSDMOSS-TTSD

Standard

ಬಹು- ಪ್ರೇಷಕ ಸಂವಾದ ಒಗ್ಗೂಡಿಸುವ ನಮೂನೆ —⁠ ಪೋರ್ಟ್- ಶೈಲಿಯ ಸಂಭಾಷಣೆಗಳನ್ನು 5 ಭಾಷಣಕಾರರೊಂದಿಗೆ ಮತ್ತು 60 ನಿಮಿಷಗಳ ಕಾಂಪ್ಲೇಟರ್ ಆಡಿಯೋವಿನ 60 ನಿಮಿಷಗಳ ಸಂಭಾಷಣೆಗಳನ್ನು ಉತ್ಪಾದಿಸಿ.

ಬಹು- ಪ್ರಕ್ಷೇಪಕದ ಸಂವಾದ 5 ಭಾಷಣಕರ್ತರು 60 ಮಿಲಿತಾನ್ವಯಿತ ಆಡಿಯೊ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಬ್ರಿಟ್ಯಾಪ್‌-ಪ್ರೇಷಕ
Medium · 12GB VRAM ಪ್ರಯತ್ನಿಸಿ

Ming-Omni TTSMing-Omni TTS

Free

Compact 0. 5B ನಿಘಟಕದ (mumbny- module) ಉಪಘಟಕವು user- fifidedefault 44. 1kHz ಉತ್ಪತ್ತಿಯೊಂದಿಗೆ ಮತ್ತು ಶೂನ್ಯ- shooct metrus commans.

44,1kHz ಔಟ್‌ಪುಟ್ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಏಕವಣಾ ನಿಯಂತ್ರಣ ಡ್ಯಾಲಿಕ್ ಕಂಟ್ರೋಲ್ ಬಿಜಿಎಮ್ ಉತ್ಪತ್ತಿName Compact CRLB
Medium · 3GB VRAM ಪ್ರಯತ್ನಿಸಿ

MOSS-TTS NanoMOSS-TTS Nano

Free

ಸಣ್ಣ ೧೦೦M MOS-TS ವರ್ಗ. ಒಂದೇ ಕಟ್ಟಡ, 80x ಚಿಕ್ಕ, ಉಚಿತ- ಆರಂಭಿಕ.

ಕಾಂಪ್ಯಾಕ್ಟ್ ೯೦M ವೇಗವಾಗಿ ಬಹುಮಾಧ್ಯಮ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಒಂದೇ ಮೊಮ್ಮಕ್ಕಳು
Fast · 2GB VRAM ಪ್ರಯತ್ನಿಸಿ

KokoroKokoro ಉಚಿತ

ಕೋಕೋರೋ ೨೦೦೦ ಮಿಲಿಯಷ್ಟು ಪ್ರಮಾಣದ ಅಕ್ಷರಮಾಲೆಯ ಮಾದರಿ. ಇದು ಅದರ ತೂಕದ ವರ್ಗಕ್ಕಿಂತ ಚೆನ್ನಾಗಿ ಅಚ್ಚೊತ್ತುತ್ತದೆ. ಇದು ಗಣಿತ ಗಾತ್ರದಷ್ಟಾದರೂ, ಗಣನೀಯವಾಗಿ ಸ್ವಾಭಾವಿಕವಾದ ಹಾಗೂ ಲಘುಭಾಷೆಯ ನುಡಿಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಕೋಕೋರೋ, ಚೀನೀ, ಚೀನೀ ಮತ್ತು ಕೊರಿಯನ್ ಭಾಷೆಗಳನ್ನೂ ನಾನಾ ರೀತಿಯ ಧ್ವನಿ ಧ್ವನಿ ಧ್ವನಿ ಶಬ್ದಗಳೊಂದಿಗೆ ಅನುಭೋಗಿಸುತ್ತದೆ. ವಿಸ್ಮಯಕರವಾಗಿ, ಒಂದು GPU- ಸಮಯಕ್ಕಿಂತ ೨೦೦ ಕ್ಕೆ ಹೆಚ್ಚು ವೇಗವಾಗಿ ಚಲಾಯಿಸುತ್ತದೆ. ಇದು GPU ಯಲ್ಲಿ ಚಾಲನೆಯಷ್ಟು ವೇಗವಾಗಿ ಚಲಾಯಿಸುತ್ತದೆ.

ಇದಕ್ಕೆ ಉತ್ತಮ: ಅಲ್ಪಾವಧಿಯ, ತದ್ರೂಪುಗೊಳಿಸುವಂಥ ಅನ್ವಯಗಳನ್ನೊಳಗೊಂಡ ಗಾಢವಾದ TTS

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

PiperPiper ಉಚಿತ

Piper ಒಂದು ಹಗುರವಾದ ಪಠ್ಯ- Lactpi ಹಾಗು Lynx ಕಟ್ಟಡಗಳನ್ನು ರಚಿಸುವ ರೋಸಾಪ್. ಇದು ಸಂಪೂರ್ಣವಾಗಿ CPU ನ ಮೇಲೆ ಚಲನೆಗೊಳ್ಳುತ್ತದೆ, ಇದು ವಾರ್ಡ್ ಸಾಧನಗಳು, ಹೋಮ್ ಮೆದುಸು, ಮತ್ತು ಅನ್ವಯಗಳಿಗೆ ಆನ್‌ಲೈನ್ TTS ಅಗತ್ಯವಾಗಿರುವಂತಹ ಸಾಧನಗಳಿಗೆ ಸೂಕ್ತವಾಗಿದೆ. ೧೦೦ ಕ್ಕಿಂತ ಹೆಚ್ಚು ಬಾರಿ ಧ್ವನಿಗಳೊಂದಿಗೆ, ಒಂದು ರಸ್ಪೆರಿ- ಟೈಪ್ ಪ್ಲಗರ್ ಪ್ಲಗರ್ 4 ರಲ್ಲಿ ಸಹ ವೀಕ್ಷಣಾ ವೇಗದಲ್ಲಿ ಪಾರದರ್ಶಕ ಧ್ವನಿ ಪ್ರಸ್ತುತಪಡಿಸುತ್ತದೆ.

ಇದಕ್ಕೆ ಉತ್ತಮ: ಶೀಘ್ರ ಮುನ್ನೋಟಗಳು, ನಿಲುಕಣೆ (ಆಕ್ಸೆಸಿಬಿಲಿಟಿ) ಮತ್ತು ಅಡಕಗೊಳಿಸಲಾದ ಅನ್ವಯಗಳು

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

VITSVITS ಉಚಿತ

VITS (ಸಂಪೂರ್ಣ-ಸಂಘಟನೆ-ಸಂಘಟನೆಯಿಂದ ಕೊನೆಯ ಪಠ್ಯ- ವಾಚಕವನ್ನು ಕಲಿಯುವುದರೊಂದಿಗೆ) ಸಮಾನವಾದ ಅಂತ್ಯದ TTS ವಿಧಾನವು ಇದು ಪ್ರಸಕ್ತ ಎರಡು ಬಿಂದುಗಳಿಗಿಂತಲೂ ಹೆಚ್ಚು ನೈಸರ್ಗಿಕ ಧ್ವನಿ ವ್ಯವಸ್ಥೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಇದು ಪರಿವರ್ತನೆಯೊಂದಿಗೆ ವಿಶಿಷ್ಟವಾದ ಮತ್ತು ವಿಶಿಷ್ಟವಾದ ತರಹದ ತರಹದ ತರಬೇತಿಯ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹೊಂದುತ್ತದೆ, ಸ್ವಾಭಾವದಲ್ಲಿ ಗಮನಾರ್ಹವಾದ ಪ್ರಗತಿಯನ್ನು ಸಾಧಿಸುತ್ತದೆ.

ಇದಕ್ಕೆ ಉತ್ತಮ: ನೈಸರ್ಗಿಕ ಪ್ರೊಗ್ರಾಂನಲ್ಲಿನ ಪಠ್ಯ- ಪ್ರೊಗ್ರಾಮ್ ಅನ್ನು ಓದುಗೊಳಿಕೆ

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

MeloTTSMeloTTS ಉಚಿತ

Metlotts: my shelli ಒಂದು ಬಹುಭಾಷೀಯ TTS ಲೈಬ್ರರಿಯು ಇಂಗ್ಲೀಷ್, ಬ್ರಿಟಿಷ್, ಆಸ್ಟ್ರೇಲಿಯ, ಫ್ರೆಂಚ್, ಚೈನೀಸ್, ಮತ್ತು ಕೊರಿಯನ್ ಬೆಂಬಲಿಸುವ ಬಹುತೇಕ ಟಿಟ್ಸ್ ಆಗಿದೆ. ಇದು ಬಹಳ ವೇಗವಾಗಿ, ಚೈನೀಸ್, ಚೀನೀ, ಮತ್ತು ಕೊರಿಯನ್. ಇದು ಸಿಪಿಯು ಮಾತ್ರ ಇರುವ ನಿಜವಾದ ಸಮಯ ವೇಗಕ್ಕೆ ಹತ್ತಿರವಾಗಿರುವ ಪಠ್ಯವನ್ನು ಚುರುಕುತ್ತದೆ.

ಇದಕ್ಕೆ ಉತ್ತಮ: ಶೀಘ್ರ, ಬಹುಭಾಷೀಯ TTS ಒದಗಿಬಂದ ಅನ್ವಯಗಳನ್ನು ತಯಾರಿಸಲು

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

Kani TTS 2Kani TTS 2 ಉಚಿತ

CanyTS-2 ಒಂದು ಅತಿ ಹಗುರವಾದ ತೆಳ್ಳಗಿನ AIFM2 ಕ್ರಮ ಮಾದರಿ. ಅದು NVIITIA NOCTAP ಗೆ ನಿರ್ಮಿಸಲಾದ ಕೇವಲ 3GRAM ನಲ್ಲಿ ಚಲಾಯಿಸುತ್ತದೆ ಮತ್ತು ಒಂದು ೧೦೦ ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಭಾಷಣವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ (RTF2). ಪ್ರಸ್ತುತ ಸಾರ್ವಜನಿಕ ಬಿಡುಗಡೆ ಮಾಡಿದ ಕೇವಲ ರೋಟೆಕ್- ರೂಟೇಬಲ್ ರೂಟ್- ೨೦ ಸೆಕೆಂಡುಗಳು (RTF- ೨), ಮತ್ತು ಧ್ವನಿಕಾರಕದ ಅಗತ್ಯವನ್ನು ಶಬ್ಧಗೊಳಿಸುವುದಿಲ್ಲ.

ಇದಕ್ಕೆ ಉತ್ತಮ: ಕೆಳಮಟ್ಟದ VRAM ಯಂತ್ರಾಂಶದಲ್ಲಿನ ವೇಗವಾದ ಇಂಗ್ಲಿಷ್ ಉತ್ಪಾದನೆಗಳು

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

OuteTTSOuteTTS ಉಚಿತ

ಹೊರೆಟೆಟ್‌ಗಳು, ಮೂಲ ವಿನ್ಯಾಸವನ್ನು ಉಳಿಸುವಾಗ ಪಠ್ಯದಿಂದ ಉಪ- ಉಪ- ಧ್ವನಿ ಸಾಮರ್ಥ್ಯಗಳೊಂದಿಗೆ ದೊಡ್ಡ ಮಾದರಿಗಳನ್ನು ವಿಸ್ತರಿಸುತ್ತವೆ. ಇದು Lama. CcUP (CPU), ಸುಕ್ಕು ಮುಖ ಪರಿವರ್ತನೆಗಾರರು, ಎಕ್ಸಲಾವಿ2, VLM ಅನ್ನು ಬದಲಾಯಿಸುವವರು. JZ ಸವಿವರಗಳ ಮೂಲಕ ಜಾಲಬಂಧಗಳನ್ನು ಉಳಿಸಿ ಮೂಲಕ ಜಾಲತಾಣವನ್ನು ಸಹ ಬೆಂಬಲಿಸುತ್ತದೆ.

ಇದಕ್ಕೆ ಉತ್ತಮ: ಆದಾನ (ಇನ್ ಪುಟ್) ಆಬ್ಜೆಕ್ಟ್, ವೀಕ್ಷಕ- ಆಧಾರಿತ TTS, ಕೆಳಮಟ್ಟದ (ರೆಸೆನ್ಸರ್) ಪರಿಸರಗಳುName

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

Pocket TTSPocket TTS ಉಚಿತ

Kicotia ಗೆ (mishi) ಪೋಕೆಟ್ TS ಎಂದೆದ್ದು (ಮಾಧ್ಯಮ- TS) ಒಂದು ಕಾಂಪ್ಲೆಟ್- ನೋಂದಣಿ ಪಠ್ಯದ ನಮೂನೆ. ಇದು ಸಿಪಿಯು ತನ್ನ ತೂಕಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಮಿಣುಕಿಸುತ್ತದೆ, ಇದು CPU ನ ಮೂಲಕ ಚುಕ್ಕಿಹೊಡೆಯುತ್ತದೆ, ಒಂದು ಆಡಿಯೊ ನಮೂನೆಯಿಂದ പൂജ್ವತ್ರಿಕ ಶಬ್ಧಕವನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ, ಹಾಗು ಸ್ವಾಭಾವಿಕವಾಗಿ ಧ್ವನಿಸುವಿಕೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಸಣ್ಣ ಮಾದರಿ ಗಾತ್ರವು ಅದನ್ನು ಅಂಚಿನ ಒಳಭಾಗ ಮತ್ತು ಕೆಳಮಟ್ಟದ ಪರಿಸರಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಮಾಡುತ್ತದೆ.

ಇದಕ್ಕೆ ಉತ್ತಮ: ಕ್ಷಿಪ್ರಗತಿಯ ಹೊರವಿನ್ಯಾಸ, CPU- ಮಾತ್ರ ಪರಿಸರ, ಕ್ಷಿಪ್ರಗತಿಯ ವ್ಯವಸ್ಥ್ಯಾ

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

Kitten TTSKitten TTS ಉಚಿತ

KetenmmL ನಿಂದ KetenTS ರವರು ಒಂದು ಅತಿ ಹಗುರವಾದ ಲೈಟ್ ಪಠ್ಯ- ಕ್ರಮ ONX ನಲ್ಲಿ ನಿರ್ಮಿಸಲಾದಂತಹ. frees (25M- 80 ರ ಮುದ್ರಿತ ಕ್ರಮ), ಇದು GPU ಗೆ ಅಗತ್ಯವಿರುವ ಹೊರತು ಕ್ಷಿಪ್ರಮಾಣದಲ್ಲಿ ಬಹು-ಸಂಸ್ಕವಾದ ಧ್ವನಿಗಳನ್ನು ಸಂಸ್ಕರಿಸುತ್ತದೆ, GPU ಯನ್ನು ಸರಿಪಡಿಸುವ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ. ಯಂತ್ರದ ವೇಗ, ಮತ್ತು ಸಂವೇದಕಗಳು ಸಂವೇದಕ, ಸಂಖ್ಯಾಶೀಲತೆ, ಮತ್ತು ಸಂಖ್ಯಾ ಅನ್ವಯಗಳಿಗೆ ಅನುಕ್ರಮಣೆ (merics).

ಇದಕ್ಕೆ ಉತ್ತಮ: ಚುರುಕಾದ TTS, ಆವರ್ತನೀಯತೆ, ಕೆಳಮಟ್ಟದ ಅನ್ವಯಗಳು

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

Ming-Omni TTSMing-Omni TTS ಉಚಿತ

Mings- stans- 0. 5B ರವರು Complet- base- by mody With With WithM- by WithM- base- patch ಚಾಲನೆಯೊಂದಿಗೆ ನಿರ್ಮಿಸಲಾದ ಒಂದು ಒಪ್ಪಂದವಾದ ಭಾಷಣದ ಹಿಂಭಾಗವಾಗಿದೆ. ಮರುಸಂಘಟನೆ (plat- password) 44. Dof- password ಪ್ರೊಗ್ರಾಮ್ ಅನ್ನು ಬಿಡುಗಡೆ ಮಾಡುತ್ತದೆ (ಆರನ್- Postring), evaler (ಆರನ್‌ CD- by), 3++- basesmocripts (- by) ನ user) ನ ಸುಧಾರಣಾ ಸೂಚನೆಗಳನ್ನು (shoult- base), ಮತ್ತು JBMATH- bystongracks (cling). JAdmandsmand us. JAdmandmank-mandmandmank-my). use.

ಇದಕ್ಕೆ ಉತ್ತಮ: ಹೈಲೈಡಲ್ ಕಾಂಪ್ಯಾಕ್ಟ್‍ಸ್, ಭಾವಾತ್ಮಕ- ನಿಯಂತ್ರಣಿತ ಧ್ವನಿ ಕಾರ್ಯಕ್ಷಮತೆ, ಚೈನೀಸ್ ಆಡಿಯೊ ಬುಕ್ ಒಳಪಿಡಿಯು

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

MOSS-TTS NanoMOSS-TTS Nano ಉಚಿತ

MOS-TS- neno-100MOS ಕಾಂಪ್ಯಾಕ್ಟ್ರೆಂಟ್ ನ್ಯಾವಹೋ ನ್ಯಾವಹೋ ನ್ಯಾವಹೋ ನ್ಯಾವಿಗೇಟ್, MOSMM-parent ವರ್ಗದ, ವಿಳಂಬ-trans ನ ರಚನಾ ರಚನಾಕ್ರಮವನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತದೆ. ವಾಸ್ತುಶಿಶಕದ 8B ಮಾಪಕದ ಪ್ರತಿರೋಧಕದ ಪ್ರತಿಸ್ಪರ್ಧಕವನ್ನು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ವ್ಯಾಪಾರವು, ~80x-ಅತ್ಯತ್ಯವಾದ VRAM ನ ಶ್ವಾರ್ಟ್ಮೈನ್ ಅದನ್ನು ಉಚಿತವಾಗಿ ಮತ್ತು ಉಚ್ಚ ಪ್ರೊಗ್ರಾಮಕ್ಕೆ ಸೂಕ್ತವಾಗಿ ಮಾಡುತ್ತದೆ.

ಇದಕ್ಕೆ ಉತ್ತಮ: ಸ್ವಯಂ- സ്വതന്ത്ര TTS, ಉಚ್ಚ- ಪ್ರದಾನ (ವಾಲ್ಯೂಲಿಂಗ್), ಕೆಳಮಟ್ಟದ ಆವರ್ತಾತ್ಮಕ ಬಳಕೆ

ಮುಕ್ತಪ್ರಯತ್ನಿಸಿ

BarkBark ಶಿಷ್ಟ

ಅರ್ಥಗರ್ಭಿತವಾದ ಮಾತು, ಸಂಗೀತ ಮತ್ತು ಧ್ವನಿ ಪರಿಣಾಮಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಪಠ್ಯ- ಆಕ್ಷೇಪಣಾ ಮಾದರಿ. Name

ವಿಕಾಸಕ: Suno · ಪರವಾನಗಿ: MIT

ಪ್ರಯತ್ನಿಸಿ

Bark SmallBark Small ಶಿಷ್ಟ

ಕ್ಷಿಪ್ರಗತಿಯಲ್ಲಿ ಮತ್ತು ಕಡಿಮೆ ಸ್ಮೃತಿ ಬಳಕೆಯೊಂದಿಗೆ ಬಾರ್ಕ್ ನ ಹಗುರವಾದ ಆವೃತ್ತಿ.

ವಿಕಾಸಕ: Suno · ಪರವಾನಗಿ: MIT

ಪ್ರಯತ್ನಿಸಿ

CosyVoice 2CosyVoice 2 ಶಿಷ್ಟ

ಅಲಿಬಾಬಾನವರ ಸ್ಫುಟವಾದ TTS ನ ಪ್ರಕೃತಿ ಮತ್ತು ಹತ್ತಿರದಲ್ಲಿ 'au-auginy'sahtba(ttts) ಗಳ ಸವಲತ್ತು.

ವಿಕಾಸಕ: Alibaba (Tongyi Lab) · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

Dia TTSDia TTS ಶಿಷ್ಟ

ಬಹು- ಪ್ರಕ್ಷೇಪಕ ಸಂವಾದ ಉತ್ಪತ್ತಿ ಇದು ಭಾಷಣಗಾರರ ನಡುವಿನ ಸ್ವಾಭಾವಿಕ ಸಂಭಾಷಣೆಗಳನ್ನು ಹುಟ್ಟಿಸುತ್ತದೆ. Name

ವಿಕಾಸಕ: Nari Labs · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

Parler TTSParler TTS ಶಿಷ್ಟ

ನೀವು ಸ್ವಾಭಾವಿಕ ಭಾಷೆಯಲ್ಲಿ ಮತ್ತು ಪ್ಯಾಲರ್‌ನಿಂದ ಬಯಸುವ ಸ್ವರವನ್ನು ವರ್ಣಿಸಿ.

ವಿಕಾಸಕ: Hugging Face · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

IndexTTS-2IndexTTS-2 ಶಿಷ್ಟ

ಜೀರೋ-ಸ್ಫೋಟಿನ ತ್ರಿಜ್ಯವಾದ ಭಾವನೆಗಳ ನಿಯಂತ್ರಣ ಮತ್ತು ಉಚ್ಚ ಧ್ವನಿಸುರುಳಿ.

ವಿಕಾಸಕ: Index Team · ಪರವಾನಗಿ: Bilibili Model License

ಪ್ರಯತ್ನಿಸಿ

Spark TTSSpark TTS ಶಿಷ್ಟ

ವಾಕ್‍ಸ್ವಾತಂತ್ರ್ಯದ ಮೂಲಕ ಮಾತಾಡಬಹುದಾದ ಭಾವೋದ್ರೇಕದೊಂದಿಗೆ ಸಂಗೀತದ ಟೆಟ್ಸ್‌ಗಳು.

ವಿಕಾಸಕ: SparkAudio · ಪರವಾನಗಿ: CC BY-NC-SA 4.0

ಪ್ರಯತ್ನಿಸಿ

GPT-SoVITSGPT-SoVITS ಶಿಷ್ಟ

ಕೇವಲ 5 ಸೆಕೆಂಡುಗಳಿಂದ ಯಾವುದೇ ಧ್ವನಿಯನ್ನು ಹೊರಹೊಮ್ಮಿಸುವ ಕ್ಯೂನಿಫಾರಂ TTS.

ವಿಕಾಸಕ: RVC-Boss · ಪರವಾನಗಿ: MIT

ಪ್ರಯತ್ನಿಸಿ

OrpheusOrpheus ಶಿಷ್ಟ

ಮಾನವ ಮಟ್ಟದ ಭಾವಾತ್ಮಕ TTS ಮಾದರಿ 100K ಯ ಧ್ವನಿ ದತ್ತಾಂಶದಲ್ಲಿ ತರಬೇತಿಗೊಂಡಿತು.

ವಿಕಾಸಕ: Canopy Labs · ಪರವಾನಗಿ: Llama 3.2 Community

ಪ್ರಯತ್ನಿಸಿ

Qwen3 TTSQwen3 TTS ಶಿಷ್ಟ

ಅಲಿಬಾಬಾದ ಬಹುಭಾಷೆ TTS

ವಿಕಾಸಕ: Alibaba (Qwen) · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

VieNeu-TTS-v2VieNeu-TTS-v2 ಶಿಷ್ಟ

ವಿಯೆಟ್ನಾಮ್‌ + ಇಂಗ್ಲೀಷ್ ಕೋಡ್‌- ಮಿನುಗುವ TTS ಮೊದಲೆ ಗಾತ್ರದ ಧ್ವನಿಗಳು ಹಾಗು ಶೂನ್ಯ ವ್ಯವಸ್ಥ್ಯಾ ಶಬ್ಧ. CPU- ಮಾತ್ರ, ಅಗತ್ಯವಿಲ್ಲ.

ವಿಕಾಸಕ: Phạm Nguyễn Ngọc Bảo · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

Chatterbox TurboChatterbox Turbo ಶಿಷ್ಟ

ಕ್ಷಿಪ್ರಗತಿಯ ದಿನಚರಿ ಚೌಕ

ವಿಕಾಸಕ: Resemble AI · ಪರವಾನಗಿ: MIT

ಪ್ರಯತ್ನಿಸಿ

VoxCPMVoxCPM ಶಿಷ್ಟ

Thenser- ಮುಕ್ತ TTS ಯು ಸನ್ನಿವೇಶ- ಪರಿಚಯಿತ ಪ್ಯಾರಾ ಸಹಿತ 44.1kHz ಆಡಿಯೊವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

ವಿಕಾಸಕ: OpenBMB · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

VibeVoiceVibeVoice ಶಿಷ್ಟ

ಮೈಕ್ರೋಸಾಫ್ಟ್ ಮೆಡಿಕಲ್ ಬಹುಮಾಧ್ಯಮ ವಿದ್ಯುತ್ಕೋಶಗಳು ಹಾಗು ಆಡಿಯೋ ಪುಸ್ತಕಗಳಂತಹ (ಪೋರ್ಟ್-ಸ್ಫೋರ್ಟ್) ಒಳಪಿಡಿಗಳಿಗೆ (multi- ಧ್ವನಿಸಾಧನ).

ವಿಕಾಸಕ: Microsoft · ಪರವಾನಗಿ: MIT

ಪ್ರಯತ್ನಿಸಿ

CosyVoice3CosyVoice3 ಶಿಷ್ಟ

ಮುಂದಿನ ಪೀಳಿಗೆಯ ಬಹುಭಾಷೀಯ TTS, ಎರಡು- ಪಥ, ಭಾವನೆಗಳ ನಿಯಂತ್ರಣ ಮತ್ತು ಶೂನ್ಯ ವ್ಯವಸ್ಥ್ಯಾ ಶ್ರೇಣಿಯೊಂದಿಗೆ.

ವಿಕಾಸಕ: Alibaba (FunAudioLLM) · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

NAMAA Saudi TTSNAMAA Saudi TTS ಶಿಷ್ಟ

ಮೊದಲ ಬಾರಿ ತೆರೆಯಲಾದ ಸೌದಿ- ಅರೇಬಿಕ್ ಟಿಟ್ಸ್. ಚತುರಚಚೌಕ- ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ.

ವಿಕಾಸಕ: NAMAA Space · ಪರವಾನಗಿ: MIT

ಪ್ರಯತ್ನಿಸಿ

Darwin TTSDarwin TTS ಶಿಷ್ಟ

Cros- ಮಾಡಲ್ ಕ್ವೆನ್ ಕ್ವೆನ್-TTS FFN ತೂಕಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾದ QWn3- 1. 7B ಭಾಷೆ ಮಾದರಿಯು ಸ್ಫುಟವಾದ ಬಹುಭಾಷೀಯ ಕಾಲ್ಪನಿಕ ಪರಿಶಿಷ್ಟದಲ್ಲಿದೆ.

ವಿಕಾಸಕ: FINAL-Bench · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

MOSS-TTSDMOSS-TTSD ಶಿಷ್ಟ

ಬಹು- ಪ್ರೇಷಕ ಸಂವಾದ ಒಗ್ಗೂಡಿಸುವ ನಮೂನೆ —⁠ ಪೋರ್ಟ್- ಶೈಲಿಯ ಸಂಭಾಷಣೆಗಳನ್ನು 5 ಭಾಷಣಕಾರರೊಂದಿಗೆ ಮತ್ತು 60 ನಿಮಿಷಗಳ ಕಾಂಪ್ಲೇಟರ್ ಆಡಿಯೋವಿನ 60 ನಿಮಿಷಗಳ ಸಂಭಾಷಣೆಗಳನ್ನು ಉತ್ಪಾದಿಸಿ.

ವಿಕಾಸಕ: OpenMOSS · ಪರವಾನಗಿ: Apache 2.0

ಪ್ರಯತ್ನಿಸಿ

ChatterboxChatterbox ಪ್ರೀಮಿಯಾಮ್

Resembel AI ನಿಂದ Stat-tata-shoo Show ಧ್ವನಿಯೊಂದಿಗೆ ಭಾವಾತ್ಮಕ ನಿಯಂತ್ರಣದೊಂದಿಗೆ.

ಗುಣಮಟ್ಟ:

ಪ್ರಯತ್ನಿಸಿ

Tortoise TTSTortoise TTS ಪ್ರೀಮಿಯಾಮ್

ಬಹು- ಪ್ರಕ್ಷೇಪಕ (ಲಾಂಚ್) ಸಾಧನಗಳು ಸ್ವಇಚ್ಛಿಕ ಸಂರಚನಾ (ಇಂಟರ್ಫೇಸ್) ಸಹಿತ (multitring) ಗುಣಮಟ್ಟದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತವೆ.

ಗುಣಮಟ್ಟ:

ಪ್ರಯತ್ನಿಸಿ

StyleTTS 2StyleTTS 2 ಪ್ರೀಮಿಯಾಮ್

ವೈಖರಿಯಲ್ಲಿ Diffacus ಹಾಗು ನಿರ್ವಹಣಾತ್ಮಕ ತರಬೇತಿಯ ಮೂಲಕ ಮಾನವ- ಮಟ್ಟದ ಪಠ್ಯವನ್ನು-ಖ್ಯಾತಗೊಳಿಸು.

ಗುಣಮಟ್ಟ:

ಪ್ರಯತ್ನಿಸಿ

OpenVoiceOpenVoice ಪ್ರೀಮಿಯಾಮ್

ಆ ಕ್ಷಣದ ಧ್ವನಿಯು, ಶೈಲಿ, ಭಾವನೆಗಳು ಮತ್ತು ಉಚ್ಚಾರಣೆಯ ಮೇಲೆ ನಿಯಂತ್ರಣವನ್ನು ಹೊಂದಿದೆ.

ಗುಣಮಟ್ಟ:

ಪ್ರಯತ್ನಿಸಿ

Sesame CSMSesame CSM ಪ್ರೀಮಿಯಾಮ್

ಸ್ವರವನ್ನು ಸರಿಯಾದ ಸಮಯದಲ್ಲಿ ಮತ್ತು ಭಾವೋದ್ರೇಕದಿಂದ ಮಾತಾಡುವುದು ಸ್ವಾಭಾವಿಕ.

ಗುಣಮಟ್ಟ:

ಪ್ರಯತ್ನಿಸಿ

CosyVoice 2CosyVoice 2

ಅಲಿಬಾಬಾನವರ ಸ್ಫುಟವಾದ TTS ನ ಪ್ರಕೃತಿ ಮತ್ತು ಹತ್ತಿರದಲ್ಲಿ 'au-auginy'sahtba(ttts) ಗಳ ಸವಲತ್ತು.

ಭಾಷೆಗಳು: en, zh, ja, ko, fr, de, it, es

ಓಲಾಡುವ ಧ್ವನಿಯು

IndexTTS-2IndexTTS-2

ಜೀರೋ-ಸ್ಫೋಟಿನ ತ್ರಿಜ್ಯವಾದ ಭಾವನೆಗಳ ನಿಯಂತ್ರಣ ಮತ್ತು ಉಚ್ಚ ಧ್ವನಿಸುರುಳಿ.

ಭಾಷೆಗಳು: en, zh

ಓಲಾಡುವ ಧ್ವನಿಯು

Spark TTSSpark TTS

ವಾಕ್‍ಸ್ವಾತಂತ್ರ್ಯದ ಮೂಲಕ ಮಾತಾಡಬಹುದಾದ ಭಾವೋದ್ರೇಕದೊಂದಿಗೆ ಸಂಗೀತದ ಟೆಟ್ಸ್‌ಗಳು.

ಭಾಷೆಗಳು: en, zh

ಓಲಾಡುವ ಧ್ವನಿಯು

GPT-SoVITSGPT-SoVITS

ಕೇವಲ 5 ಸೆಕೆಂಡುಗಳಿಂದ ಯಾವುದೇ ಧ್ವನಿಯನ್ನು ಹೊರಹೊಮ್ಮಿಸುವ ಕ್ಯೂನಿಫಾರಂ TTS.

ಭಾಷೆಗಳು: en, zh, ja, ko

ಓಲಾಡುವ ಧ್ವನಿಯು

ChatterboxChatterbox

Resembel AI ನಿಂದ Stat-tata-shoo Show ಧ್ವನಿಯೊಂದಿಗೆ ಭಾವಾತ್ಮಕ ನಿಯಂತ್ರಣದೊಂದಿಗೆ.

ಭಾಷೆಗಳು: en

ಓಲಾಡುವ ಧ್ವನಿಯು

Tortoise TTSTortoise TTS

ಬಹು- ಪ್ರಕ್ಷೇಪಕ (ಲಾಂಚ್) ಸಾಧನಗಳು ಸ್ವಇಚ್ಛಿಕ ಸಂರಚನಾ (ಇಂಟರ್ಫೇಸ್) ಸಹಿತ (multitring) ಗುಣಮಟ್ಟದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತವೆ.

ಭಾಷೆಗಳು: en

ಓಲಾಡುವ ಧ್ವನಿಯು

OpenVoiceOpenVoice

ಆ ಕ್ಷಣದ ಧ್ವನಿಯು, ಶೈಲಿ, ಭಾವನೆಗಳು ಮತ್ತು ಉಚ್ಚಾರಣೆಯ ಮೇಲೆ ನಿಯಂತ್ರಣವನ್ನು ಹೊಂದಿದೆ.

ಭಾಷೆಗಳು: en, zh, ja, ko, fr, es

ಓಲಾಡುವ ಧ್ವನಿಯು

VieNeu-TTS-v2VieNeu-TTS-v2

ವಿಯೆಟ್ನಾಮ್‌ + ಇಂಗ್ಲೀಷ್ ಕೋಡ್‌- ಮಿನುಗುವ TTS ಮೊದಲೆ ಗಾತ್ರದ ಧ್ವನಿಗಳು ಹಾಗು ಶೂನ್ಯ ವ್ಯವಸ್ಥ್ಯಾ ಶಬ್ಧ. CPU- ಮಾತ್ರ, ಅಗತ್ಯವಿಲ್ಲ.

ಭಾಷೆಗಳು: vi, en

ಓಲಾಡುವ ಧ್ವನಿಯು

Chatterbox TurboChatterbox Turbo

ಕ್ಷಿಪ್ರಗತಿಯ ದಿನಚರಿ ಚೌಕ

ಭಾಷೆಗಳು: en

ಓಲಾಡುವ ಧ್ವನಿಯು

VoxCPMVoxCPM

Thenser- ಮುಕ್ತ TTS ಯು ಸನ್ನಿವೇಶ- ಪರಿಚಯಿತ ಪ್ಯಾರಾ ಸಹಿತ 44.1kHz ಆಡಿಯೊವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.

ಭಾಷೆಗಳು: en, zh

ಓಲಾಡುವ ಧ್ವನಿಯು

OuteTTSOuteTTS

CPU, GPU ನಲ್ಲಿ ಚಾಲ್ತಿಯಲ್ಲಿರುವ, ಅಥವಾ Lamap.cp. javas.javas.

ಭಾಷೆಗಳು: en

ಓಲಾಡುವ ಧ್ವನಿಯು

Pocket TTSPocket TTS

ಒಂದು ನಮೂನೆಯಿಂದ ಕ್ಯೂನಿಫಾರಂ ಅನ್ನು ಹೊಂದಿರುವ Kuutili, evolution ನಿಂದ ಕಡಿಮೆಯ ೦೦M ಕ್ರಮದ ಮಾದರಿ.

ಭಾಷೆಗಳು: en, fr

ಓಲಾಡುವ ಧ್ವನಿಯು

CosyVoice3CosyVoice3

ಮುಂದಿನ ಪೀಳಿಗೆಯ ಬಹುಭಾಷೀಯ TTS, ಎರಡು- ಪಥ, ಭಾವನೆಗಳ ನಿಯಂತ್ರಣ ಮತ್ತು ಶೂನ್ಯ ವ್ಯವಸ್ಥ್ಯಾ ಶ್ರೇಣಿಯೊಂದಿಗೆ.

ಭಾಷೆಗಳು: en, zh, ja, ko, de, es, fr, it, ru

ಓಲಾಡುವ ಧ್ವನಿಯು

NAMAA Saudi TTSNAMAA Saudi TTS

ಮೊದಲ ಬಾರಿ ತೆರೆಯಲಾದ ಸೌದಿ- ಅರೇಬಿಕ್ ಟಿಟ್ಸ್. ಚತುರಚಚೌಕ- ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ.

ಭಾಷೆಗಳು: ar

ಓಲಾಡುವ ಧ್ವನಿಯು

Darwin TTSDarwin TTS

Cros- ಮಾಡಲ್ ಕ್ವೆನ್ ಕ್ವೆನ್-TTS FFN ತೂಕಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾದ QWn3- 1. 7B ಭಾಷೆ ಮಾದರಿಯು ಸ್ಫುಟವಾದ ಬಹುಭಾಷೀಯ ಕಾಲ್ಪನಿಕ ಪರಿಶಿಷ್ಟದಲ್ಲಿದೆ.

ಭಾಷೆಗಳು: en, ko, ja, zh

ಓಲಾಡುವ ಧ್ವನಿಯು

MOSS-TTSDMOSS-TTSD

ಬಹು- ಪ್ರೇಷಕ ಸಂವಾದ ಒಗ್ಗೂಡಿಸುವ ನಮೂನೆ —⁠ ಪೋರ್ಟ್- ಶೈಲಿಯ ಸಂಭಾಷಣೆಗಳನ್ನು 5 ಭಾಷಣಕಾರರೊಂದಿಗೆ ಮತ್ತು 60 ನಿಮಿಷಗಳ ಕಾಂಪ್ಲೇಟರ್ ಆಡಿಯೋವಿನ 60 ನಿಮಿಷಗಳ ಸಂಭಾಷಣೆಗಳನ್ನು ಉತ್ಪಾದಿಸಿ.

ಭಾಷೆಗಳು: en, zh

ಓಲಾಡುವ ಧ್ವನಿಯು

Ming-Omni TTSMing-Omni TTS

Compact 0. 5B ನಿಘಟಕದ (mumbny- module) ಉಪಘಟಕವು user- fifidedefault 44. 1kHz ಉತ್ಪತ್ತಿಯೊಂದಿಗೆ ಮತ್ತು ಶೂನ್ಯ- shooct metrus commans.

ಭಾಷೆಗಳು: en, zh

ಓಲಾಡುವ ಧ್ವನಿಯು

MOSS-TTS NanoMOSS-TTS Nano

ಸಣ್ಣ ೧೦೦M MOS-TS ವರ್ಗ. ಒಂದೇ ಕಟ್ಟಡ, 80x ಚಿಕ್ಕ, ಉಚಿತ- ಆರಂಭಿಕ.

ಭಾಷೆಗಳು: en, zh, de, es, fr, ja, it, ko, ru, ar, pt

ಓಲಾಡುವ ಧ್ವನಿಯು

ವಿಕಾಸಕ- ಮೊದಲ API

OpenAI- ಸಹವರ್ತನೀಯ RPI. ಒಂದು ಕೊನೆಯ ಬಿಂದು, 22+ ಮಾದರಿ. ನಿಜವಾದ ಸಮಯ ಅನ್ವಯಗಳಿಗೆ ಬೆಂಬಲ ನೀಡಲಾಗುತ್ತಿದೆ.

  • ಓಪನ್ ಜೆಎಐ-ಹೊಂದುವ ವಿನ್ಯಾಸ
  • ರಿಯಲ್‌ಟೈಮ್ ಸಮಯ ಅನ್ವಯಗಳಿಗೆ TTS ಅನ್ನು ಹರಿಸಲಾಗುತ್ತಿದೆName
  • ದೊಡ್ಡ ಕೆಲಸಗಳಿಗಾಗಿ ಬ್ಯಾಕ್ಟೀರಿಯಗಳನ್ನು ತಯಾರಿಸಲಾಗುತ್ತದೆ
  • ಜಾಲ ತಂಬ್ ಸೂಚನೆಗಳು
API ಡಾಕ್ಸ್‌ಗಳನ್ನು ನೋಡಿ
pip install ttsai npm install @ttsainpm/ttsai
Python 
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")

ಸರಳ, ಪಾರದರ್ಶಕ ಪ್ರಕ್ಷೇಪಣೆName

ನೀವು ಬೆಳೆಯುತ್ತಾ ಹೋದಂತೆ ಅಳತೆಯ ಗಾತ್ರವನ್ನು ಬದಲಾಯಿಸಿರಿ.

ಉಚಿತ

$0

15,000 ಅಕ್ಷರಗಳು + 5,000/ ದಿನ

  • 7 ಕೋಕೋರೋ ನಂತಹ ಉಚಿತ ಮಾದರಿಗಳು
  • ಪೀಳಿಗೆಗೆ 5,000 ಎಕ್ಸ್‌ಪ್ರೆಸ್‌ಗಳು
  • API ನಿಲುಕಣೆ (application) ಒಳಗೊಂಡಿದೆ
ಮುಕ್ತವಾಗಿ ಮೇಲೆ ಗುರುತಿಸು

ಆರಂಭಿಸು

$9/ಮೋವ್Name

500 ರದ್ದುಗಳು/ ತಿಂಗಳು

  • ಎಲ್ಲಾ 22+ ಮಾದರಿಗಳು
  • ಪೀಳಿಗೆಗೆ 1,00,000 ಲಿಪಿಶೈಲಿಗಳು
  • ಧ್ವನಿ ಕೆರಳುವಿಕೆ
ಆರಂಭಿಸು
ಹೆಚ್ಚು ಜನಪ್ರಿಯ

ಪ್ರಾಥಮಿಕName

$29/ಮೋವ್Name

2,000 ರತ್ನಗಳು/ ತಿಂಗಳು

  • ಎಲ್ಲವನ್ನೂ ಆರಂಭಿಸು@ action: inmenu Tools
  • API ನಿಲುಕಣೆ
  • ಆದ್ಯತೆಯ ಪ್ರಕ್ರಿಯೆ
ಪ್ರೋಗ್ರಾಮ್ ಅನ್ನು ಪಡೆಯಿರಿ

ವ್ಯಾಪಾರ

$99/ಮೋವ್Name

10,000 ರದ್ದುಗಳು/ ತಿಂಗಳಿಗೆ

  • ಪ್ರೋಟೋರಿಯಲ್ಲಿ ಎಲ್ಲವೂ
  • ಒಟ್ಟು API
  • ಆದ್ಯತೆ ಅನುಕ್ರಮ
ವ್ಯಾಪಾರ ಮಾಡಿ

ಅಕ್ಷರ ಪ್ಯಾಕೇಜುಗಳನ್ನು ಸೇರಿಸಿ ಎಲ್ಲಾ ಪರಿಸರವಿನ್ಯಾಸಗಳನ್ನು ನೋಡಿ →

ಅನೇಕವೇಳೆ ಪ್ರಶ್ನೆಗಳು

TTS.ai ಅತ್ಯಂತ ವಿಸ್ತೃತವಾದ AIWM ಪ್ಲಾಟ್ ಆಗಿರುತ್ತದೆ, 22+text-text, ಕ್ಯೂನಿಫಾರಂ, ಧ್ವನಿ-text-text-text ಮತ್ತು ಧ್ವನಿ-text ಯಂತ್ರಗಳನ್ನು ನೀಡುತ್ತಿದ್ದಾರೆ. ಎಲ್ಲಾ ಮೋಬೈಲ್‌ಗಳು ಯಾವುದೇ ಮಾರಾಟಗಾರಿಕೆಯಿಲ್ಲದೆ ತೆರೆಯಲ್ಪಟ್ಟಿವೆ.

TTS.ai ಇದು ಕೋಕೋರೋ, ಪಿಪೆರ್, VITS ಮತ್ತು ಮೆಲೋಟಸ್ ಮಾದರಿಗಳೊಂದಿಗೆ ಉಚಿತ ಪಠ್ಯವನ್ನು ನೀಡುತ್ತದೆ. ಯಾವುದೇ ಖಾತೆ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ. ಕೇವಲ 15,000 ಅಕ್ಷರಗಳನ್ನು ಪಡೆಯಲಿಕ್ಕಾಗಿ ಹಾಗು ಎಲ್ಲಾ ಮಾದರಿಗಳನ್ನು ಪ್ರವೇಶಿಸಲು. ಪಾಯ್ಡ್ ಪ್ಯಾಡ್ ಯೋಜನೆಗಳು $9/ ಗಣಿತದಲ್ಲಿ ಆರಂಭಗೊಳ್ಳುತ್ತವೆ.

ವೇಗಕ್ಕಾಗಿ, ಕೋಕೋರೋ ಅಥವ ಪಿಪರ್ ಬಳಸಿ. ಗುಣಮಟ್ಟದ ಬಗ್ಗೆ Cosovoice ೨ ಅಥವ stateTTS 2 ಅನ್ನು ಪ್ರಯತ್ನಿಸಿ. ಧ್ವನಿಬಾಕ್ಸ್‌ಗಾಗಿ, ಶಾರ್ಟ್- ಬಾಕ್ಸ್‌ ಅಥವಾ GTV- oVITS ಅನ್ನು ಬಳಸಿ. ಸಂವಾದ ಚೌಕಕ್ಕಾಗಿ Dia TTS ಅನ್ನು ಬಳಸಿ. ಒಂದೇ ಪಠ್ಯವನ್ನು ಹೋಲಿಸಲು ಹಲವಾರು ಮೋಬೈಲ್‌ಗಳನ್ನು ಪ್ರಯತ್ನಿಸಿ.

ಹೌದು. ಓಪನ್- ಅನುಮತಿಯುಳ್ಳ API TTS, STT, ಮತ್ತು ಧ್ವನಿ ಉಪಕರಣಗಳನ್ನು ಪರಿಶೀಲಿಸಿ. ಉಚಿತವಾದ ಪ್ರತಿಯೊಂದು ಯೋಜನೆಯಲ್ಲೂ, ಸ್ಟ್ರೀಟ್ ರ್ಟರ್‌ ಮೂಲಕ ಪ್ರಮಾಣದ ಮಿತಿಗಳಿದ್ದು, ಸ್ಟ್ರೀಟ್ ಮಿತಿಗಳು, ಸ್ಟ್ರೀಟರ್: req/ min, Litr: 20, lim: 30, 60, lich: 60, lib, 300. lie lie on lichive on: lie. lie on on eduguation of Tts/ Att/ Apipipapi

ವೀಕ್ಷಣೆ ಗುಣವು ಮಾದರಿಯ ಮೂಲಕ ಭಿನ್ನವಾಗಿರುತ್ತದೆ. CosyVoice 2 ರಂತಹ ಪ್ರೇರಿಯಮ್ ಮಾದರಿಗಳು, stattTTS2 ಮತ್ತು ಚಾಡಿಟಾರ್ಚೌಸ್ ವು ಸ್ವಾಭಾವಿಕ ಗುಣಮಟ್ಟದ ಹಾಗೂ ಭಾವಾಭಿನಯದೊಂದಿಗೆ ಹತ್ತಿರದ ಸಂವಾದವನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ. ಕೋಕೋರೋ ನಂತಹ ಉಚಿತ ಮಾದರಿಗಳು ಹೆಚ್ಚಿನ ಉಪಯೋಗದ ಉತ್ತಮ ಗುಣಮಟ್ಟವನ್ನು ಒದಗಿಸುತ್ತವೆ.

TTS.ai ಭಾಷೆಗಳಿಗೆ ಅದರ ಮಾದರಿ ಲೈಬ್ರರಿಯಾದ್ಯಂತ 30+ ಭಾಷೆಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಆದರೆ ಕಾಸಿವಿಸ್ 2 ಚೈನೀಸ್, ಜಪಾನೀ ಮತ್ತು ಕೊರಿಯದಂತಹ ಮಾದರಿಗಳು; GPT-SVITಗಳು ಚೀನೀ, ಜಪಾನ್, ಕೊರಿಯನ್, ಮತ್ತು ಮೆಲೋಟೆಟ್ಸ್ ಇಂಗ್ಲಿಷ್, ಫ್ರೆಂಚ್, ಫ್ರೆಂಚ್, ಚೈನೀಸ್ ಮತ್ತು ಕೊರಿಯನ್ ಅನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ. ಮತ್ತು ಮೆಲೋಟೆಟ್ಸ್ ಇಂಗ್ಲಿಷ್, ಫ್ರೆಂಚ್, ಚೈನೀಸ್, ಚೈನೀಸ್, ಮತ್ತು ಕೊರಿಯನ್ ಮತ್ತು ಕೊರಿಯನ್ ಅನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ.

ಹೌದು. ಎಲ್ಲಾ ಪ್ರಕ್ರಿಯೆಗಳು ನಮ್ಮ GPU ಪರಿಚಾರಕಗಳಲ್ಲಿ ನಡೆಯುತ್ತವೆ. ನಾವು ನಿಮ್ಮ ಪಠ್ಯ ಪ್ರದಾನವನ್ನು (ಔಟ್ ಪುಟ್) ಅಥವಾ ಉತ್ಪಾದಿಸಲ್ಪಟ್ಟ ಆಡಿಯೊವನ್ನು ಶೇಖರಿಸಿಡುವುದಿಲ್ಲ. ಉತ್ಥಾಪಿಸಲಾದ ಧ್ವನಿ ನಮೂನೆಗಳನ್ನು ಕೇವಲ ಪ್ರಸ್ತುತ ಅಧಿವೇಶನಕ್ಕಾಗಿ ಮಾತ್ರ ಬಳಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅವನ್ನು ಉಳಿಸಲಾಗುವುದಿಲ್ಲ. ನಾವು ಎಂದಿಗೂ ನಿಮ್ಮ ಮಾಹಿತಿಯನ್ನು ಮೂರನೇ ವರ್ಗಗಳೊಂದಿಗೆ ಹಂಚಿಕೊಳ್ಳುವುದಿಲ್ಲ ಅಥವಾ ವಿದ್ಯುತ್ಕೋಶಗಳೊಂದಿಗೆ ಅನುಭೋಗಿಸುವುದಿಲ್ಲ.

ಹೌದು. TTS.ai ರಲ್ಲಿ ಉತ್ಪಾದಿಸಲಾದ ಎಲ್ಲಾ ಆಡಿಯೊವು ವ್ಯಾಪಾರಕ್ಕಾಗಿ ಬಳಸಲು ನಿಮ್ಮದಾಗಿದೆ. ಯೂಟ್ಯೂಟ್ ವಿಡಿಯೋಗಳು, ಪೋಸ್ಟ್‌ಕಾಸ್ಟ್‌ಗಳು, ಆಡಿಯೋ ಪುಸ್ತಕಗಳು, ಜಾಹೀರಾತುಗಳು, ಜಾಹೀರಾತುಗಳು ಮತ್ತು ಜಾಹೀರಾತುಗಳು. ನಮ್ಮ ಮಾದರಿಗಳು ಬಾಹ್ಯ ಲೈಸನ್ಸ್ (MIT, PAT 2.0) ಗಳ ಕೆಳಗೆ ತೆರೆದಿರುವ ಲೈಸನ್ಸ್(MIT) ಗಳಾಗಿರುತ್ತವೆ. ಯಾವುದೇ ರಾಜಧಾನಿಯತೆ ಅಥವಾ ಉಪಾಯದ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ.

VAV ಗೆ ಪೂರ್ವನಿಯೋಜಿತವಾಗಿ ಆಡಿಯೋ ಶೈಲಿಯಲ್ಲಿ TTS.ai ಆಡಿಯೋ ಶೈಲಿಯನ್ನು ಉತ್ಪಾದಿಸಲಾಗುತ್ತದೆ. ನೀವು MP3, FLAC, OGG, ಅಥವಾ M4A ನ ಮೂಲಕ ನಮ್ಮ ಉಚಿತ ಆಡಿಯೊ ವಿನಿಮಯಕವನ್ನು ಬಳಸಿಕೊಂಡು ಬದಲಾಯಿಸಬಹುದು. API ನಿಮ್ಮ ಇಚ್ಛೆಯ ಪ್ರದಾನ ಶೈಲಿಯನ್ನು ನೇರವಾಗಿ ಸೂಚಿಸುತ್ತದೆ.

ಒಂದು ಸಣ್ಣ ವಿಡಿಯೊ ನಮೂನೆಯನ್ನು (ಮಧ್ಯೆ ೫ ಸೆಕೆಂಡುಗಳಲ್ಲಿ), ನಂತರ ಯಾವುದೇ ಪಠ್ಯವನ್ನು ಆ ಧ್ವನಿಯಲ್ಲಿ ಉತ್ಪಾದಿಸಲು ನಮೂದಿಸಿ. ಕಾಪ್ಟರ್‌ಬಾಕ್ಸ್, GPT- oVITS, ಮತ್ತು CCSVVS2 ನಂತಹ ಮಾದರಿಗಳು ಧ್ವನಿಸಂಪರ್ಕವನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ. ನೋಡ್ಪಡೆಯಾದ ಧ್ವನಿ, ಸ್ವರವನ್ನು ಆರೋಹಿಸುತ್ತದೆ, ಅನುಕ್ರಮಣಿಸುತ್ತದೆ ಮತ್ತು ಮಾತಾಡುತ್ತದೆ.

ಸ್ಲೈಡರ್ ಮಾದರಿ (Koಕೋರೋ, Pypper, VITS, MloTS, ಬೆಲೆಗೆ ವ್ಯವಸ್ಥ್ಯಾ ಅಕ್ಷರಗಳ ಅಗತ್ಯವಿಲ್ಲ). ಮಾನಿಕ ಮಾದರಿಗಳಿಗೆ (22,000 ಅಕ್ಷರಗಳು, ಬಾರ್ಕ್/ 1K ಪ್ರೊಫೈಸ್ 2, F5TS, ಮತ್ತು DiATS), ಮತ್ತು Dia ಸೇರಿವೆ. ಪ್ರೇರಿಯಮ್‌ ಮಾದರಿಗಳು (ಆಪ್ಲಾಸ್‌ವಿಯಾಮಿಸ್, Lovoice/ CalTTTTS, ShiftTS, TostiS, ಹಾಗು TostS2 ಮತ್ತು TostS ಇತ್ಯಾದಿಗಳನ್ನು ಒಳಗೊಂಡಿವೆ. Pagoids ಹೆಚ್ಚಿನ ಗುಣಮಟ್ಟವನ್ನು ಒದಗಿಸುತ್ತವೆ, ಹಾಗು ಇತರ ಧ್ವನಿಗಳಂತಹ ಧ್ವನಿಯು.

API ಉಪಘಟಕವನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಬಹು ಮನವಿಗಳನ್ನು (UPUTS) ಬಳಸುವಾಗ ತಂತ್ರಾಂಶದ ಪ್ರತಿಸ್ಪರ್ಧೆಯನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಬಿಸ್ಕ್ ಪ್ಲನ್ ಪ್ರೋಗ್ರ್ಯಾಮ್ ಪ್ಲಗಿನ್ ತಂತ್ರಾಂಶ ($99/మో) ಮತ್ತು ಹೆಚ್ಚಿನ ಆದ್ಯತೆಯ ಸವಲತ್ತುಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ವೇಗವಾಗಿ ಆಬ್ಜೆಕ್ಟ್ ಉತ್ಪತ್ತನೆ, ಹಾಗು ದೊಡ್ಡ ಗಾತ್ರದ ಧ್ವನಿನಿರೋಧಕ ಪ್ರೊಗ್ರಾಮ್‌ಗಳಿಗೆ ನಾನು ಸಹಕಾರಿ ಆಗಿದ್ದೇನೆ.
4.1/5 (42)

ನೀವೇನು ಉತ್ತರ ಕೊಡುವಿರಿ?

ಇಂದು ಎI ಧ್ವನಿಯನ್ನು ಬಳಸುತ್ತಾ ಆರಂಭಿಸು

TTS.ai ಅನ್ನು ಬಳಸುವ ನಿರ್ಮಾಣಿಕ, ವಿಕಾಸಗಾರರ ಮತ್ತು ವ್ಯಾಪಾರಿಗಳೊಂದಿಗೆ ಜೊತೆಗೂಡಿ

ಈಗ ಮುಕ್ತವಾಗಿ ಪ್ರಯತ್ನಿಸಿರಿ API ಡಾಕ್ಸ್‌ಗಳು