Free AI Тексттен сүйлөөгө

Lightweight 82M parameter model delivering studio-quality speech with blazingly fast inference.

Жылдам, локалдык нейрондук текст-сөз системасы Raspberry Pi жана енүүчү түзүлүштөр үчүн оптимизацияланган.

Тексттен сүйлөмгө которуу үчүн шарттуу вариациялык автокодер, атаандаштык окутуу менен.

Жаңылыктарды жана жаңылыктарды жөнөтүү

Трансформерге негизделген текст-аудио модели, реалисттик сүйлөмдү, музыканы жана үн эффекттерин жаратат.

Барктын жеңилдетилген версиясы, тездетилген индукция жана аз эс колдонуу менен.

Alibaba's scalable streaming TTS with human-parity naturalness and near zero latency.

Көп сүйлөгөндөрдүн диалогун жаратуучу модел, сүйлөгөндөрдүн ортосунда табигый сүйлөшүүлөрдү жаратат.

Сиз каалаган үндү табигый тилде жазыңыз, андан кийин Parler сизге ылайыктуу үндү жаратат.

Zero-shot TTS менен майда-чүйдөсүнө чейин эмоцияларды башкаруу жана жогорку эмоционалдуулугу.

Контролируемые эмоции и стиль речи с помощью подсказок.

Бир нече секунда ичинде 5 секунддук аудиодон каалаган үндү клондоо үчүн TTS.

100K сааттык сүйлөм маалыматтары боюнча даярдалган адамдын деңгээлиндеги эмоциялык TTS модели.

Современный нулевой-шот голосовой клонирования с эмоцией контроля от Resemble AI.

Авторегрессивдүү архитектурасы менен сапатка арналган тексттен сүйлөмгө которуу.

Адамдык деңгээлдеги текст-сөз стилинин диффузия жана атаандаштык машыгуу аркылуу.

Стиль, эмоция жана акцентти көзөмөлдөө менен тездик менен үн клондоо.

Alibaba's multilingual TTS with preset voices and voice design from text.

Вьетнам + англис код-сменный TTS с 7 предустановленными голосами и нулевым клонированием голоса. Только процессор, нет графического процессора.

Конверсиялык сүйлөмдүн модели, табигый диалогду туура убакытта жана эмоция менен жаратат.

200 мске чейинки кечигүү жана күлкү, кашык жана башкалар үчүн паралингвистикалык тегдер менен тез Chatterbox.

Токенизаторсуз TTS 44.1kHz аудиону контекстке жараша абзацтын бирдейлиги менен чыгарат.

400М англис TTS модели 3 ГБ VRAM менен иштейт.

LLM-базасынын TTS, CPU, GPU же браузер аркылуу llama.cpp жана Transformers.js аркылуу иштей алат.

Подкасттар жана аудиокитептер сыяктуу узак форматтагы көп сүйлөмдүү мазмун үчүн Microsoft модели.

Кютай тарабынан жасалган 100М параметрлүү жеңил модель, бир эле үлгүдөн үн клондоо менен.

80 МБдан аз көлөмдөгү өтө жеңил TTS. Графикалык процессорсуз процессор менен иштей алат.

Келишимдүү тилди, эки каналдуу, эмоцияларды башкаруу жана үн клондоону колдогон жаңы муундун көп тилдүү TTS.

Сауд Арабиясынын биринчи ачык TTS. Сауд Арабиясынын өздүк диалектиси, Chatterbox сапатындагы үн клондоосу менен.

Кросс-модалдык Qwen3-TTS варианты FFN салмагы менен Qwen3-1.7B тил моделинен аралаштырылган, көп тилдеги клондоону жакшыртуу үчүн.

Мульти-сөйлөчү диалогдун улантуу модели — 5 сүйлөгөнгө чейинки подкаст-стилдеги сүйлөшүүлөрдү жана 60 мүнөттүк кохеренттүүлүктү түзөт.

InclusionAI компаниясынын 0.5B омни-модалдык үн моделинин жогорку сапаттагы 44.1kHz чыгарылышы жана үн клондоосу жок.

Tiny 100M MOSS-TTS варианты — бирдей архитектура, 80x кичине, акысыз катмардагы кечиктирүү.