ഫ്രീ AI സംസാരത്തിനുള്ള വാചകം
22+ തുറക്കുന്ന മോഡലുകള്, 100+ ശബ്ദങ്ങള്, 32+ ഭാഷകള്. അക്കൌണ്ട് ആവശ്യമില്ല.
ശബ്ദത്തിന്റെ ആവശ്യമുള്ളതെല്ലാം
26 ഉപകരണങ്ങള് 24+ തുറക്കുന്ന എഐഐ മോഡില് പ്രവര്ത്തിപ്പിയ്ക്കുന്നു
22+ AI ശബ്ദ മോഡലുകള്
ഒരു പ്ലാറ്റ്ഫോമിലെ തുറക്കുന്ന ടിടിഎസ് മോഡലുകള്
Chatterbox
Kokoro Free
Kokoro is an 82 million parameter text-to-speech model that punches well above its weight class. Despite its tiny size, it produces remarkably natural and expressive speech. Kokoro supports multiple languages including English, Japanese, Chinese, and Korean with a variety of expressive voices. It runs incredibly fast — generating audio nearly 100x faster than real-time on a GPU.
ഏറ്റവും നല്ല സ്കോര്: High-quality TTS with minimal latency, streaming applications
സ്വതന്ത്രമായി ശ്രമിക്കുക
Piper Free
Piper is a lightweight text-to-speech engine developed by Rhasspy that uses VITS and larynx architectures. It runs entirely on CPU, making it ideal for edge devices, home automation, and applications requiring offline TTS. With over 100 voices across 30+ languages, Piper delivers natural-sounding speech at real-time speeds even on a Raspberry Pi 4.
ഏറ്റവും നല്ല സ്കോര്: Quick previews, accessibility, and embedded applications
സ്വതന്ത്രമായി ശ്രമിക്കുക
VITS Free
VITS (Variational Inference with adversarial learning for end-to-end Text-to-Speech) is a parallel end-to-end TTS method that generates more natural sounding audio than current two-stage models. It adopts variational inference augmented with normalizing flows and an adversarial training process, achieving a significant improvement in naturalness.
ഏറ്റവും നല്ല സ്കോര്: General-purpose text-to-speech with natural prosody
സ്വതന്ത്രമായി ശ്രമിക്കുക
MeloTTS Free
MeloTTS by MyShell.ai is a multilingual TTS library supporting English (American, British, Indian, Australian), Spanish, French, Chinese, Japanese, and Korean. It is extremely fast, processing text at near real-time speed on CPU alone. MeloTTS is designed for production use and supports both CPU and GPU inference.
ഏറ്റവും നല്ല സ്കോര്: വേഗത്തില്, ബഹുഭാഷാ TTS ആവശ്യമുളള പ്രയോഗങ്ങള് ഉല്പാദിപ്പിക്കുന്നു
സ്വതന്ത്രമായി ശ്രമിക്കുക
Bark Standard
Transformer-based text-to-audio model that generates realistic speech, music, and sound effects.
രചയിതാവു്: Suno · അനുമതി: MIT
ശ്രമിക്ക്.
Bark Small Standard
Lighter version of Bark with faster inference and lower memory usage.
രചയിതാവു്: Suno · അനുമതി: MIT
ശ്രമിക്ക്.
CosyVoice 2 Standard
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.
രചയിതാവു്: Alibaba (Tongyi Lab) · അനുമതി: Apache 2.0
ശ്രമിക്ക്.
Dia TTS Standard
ശബ്ദകര്മ്മികള്ക്കിടയില് സ്വാഭാവികമായ സംവാദങ്ങള് സൃഷ്ടിക്കുന്ന ഒന്നിനൊന്ന് സജ്ജീകരണത്തിനുള്ള ഡയലോഗ് പരമ്പര. Name
രചയിതാവു്: Nari Labs · അനുമതി: Apache 2.0
ശ്രമിക്ക്.
Parler TTS Standard
Describe the voice you want in natural language and Parler generates matching speech.
രചയിതാവു്: Hugging Face · അനുമതി: Apache 2.0
ശ്രമിക്ക്.
IndexTTS-2 Standard
Zero-shot TTS with fine-grained emotion control and high expressiveness.
രചയിതാവു്: Index Team · അനുമതി: Apache 2.0
ശ്രമിക്ക്.
Spark TTS Standard
Voice cloning TTS with controllable emotion and speaking style via prompts.
രചയിതാവു്: SparkAudio · അനുമതി: Apache 2.0
ശ്രമിക്ക്.
GPT-SoVITS Standard
Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.
രചയിതാവു്: RVC-Boss · അനുമതി: MIT
ശ്രമിക്ക്.
Orpheus Standard
Human-level emotional TTS model trained on 100K hours of speech data.
രചയിതാവു്: Canopy Labs · അനുമതി: Llama 3.2 Community
ശ്രമിക്ക്.
Qwen3 TTS Standard
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text.
രചയിതാവു്: Alibaba (Qwen) · അനുമതി: Apache 2.0
ശ്രമിക്ക്.
Tortoise TTS Premium
മള്ട്ടി- മെസ്സേജ് ടെക്സ്റ്റില് നിന്നും ഗുണമേന്മയില് ഓട്ടോഗ്രസ്ട്രേഷന് കെട്ടിടത്തില് ശ്രദ്ധ കേന്ദ്രീകരിച്ചു.
നിലവാരം:
ശ്രമിക്ക്.
StyleTTS 2 Premium
Human-level text-to-speech through style diffusion and adversarial training.
നിലവാരം:
ശ്രമിക്ക്.
OpenVoice Premium
ഹീമോഗ്ലോബിൻ സ്റ്റൈലുകളുടെയും വികാരങ്ങളുടെയും ഉച്ചാരണത്തിന്റെയും നിയന്ത്രണത്തിലുള്ള ഇന്റർനാഷണൽ ശബ്ദം.
നിലവാരം:
ശ്രമിക്ക്.CosyVoice 2
Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.
ഭാഷകള്: en, zh, ja, ko, fr, de, it, es
ശബ്ദം ക്ലോണ് ചെയ്യുകIndexTTS-2
Zero-shot TTS with fine-grained emotion control and high expressiveness.
ഭാഷകള്: en, zh
ശബ്ദം ക്ലോണ് ചെയ്യുകSpark TTS
Voice cloning TTS with controllable emotion and speaking style via prompts.
ഭാഷകള്: en, zh
ശബ്ദം ക്ലോണ് ചെയ്യുകGPT-SoVITS
Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.
ഭാഷകള്: en, zh, ja, ko
ശബ്ദം ക്ലോണ് ചെയ്യുകTortoise TTS
മള്ട്ടി- മെസ്സേജ് ടെക്സ്റ്റില് നിന്നും ഗുണമേന്മയില് ഓട്ടോഗ്രസ്ട്രേഷന് കെട്ടിടത്തില് ശ്രദ്ധ കേന്ദ്രീകരിച്ചു.
ഭാഷകള്: en
ശബ്ദം ക്ലോണ് ചെയ്യുകOpenVoice
ഹീമോഗ്ലോബിൻ സ്റ്റൈലുകളുടെയും വികാരങ്ങളുടെയും ഉച്ചാരണത്തിന്റെയും നിയന്ത്രണത്തിലുള്ള ഇന്റർനാഷണൽ ശബ്ദം.
ഭാഷകള്: en, zh, ja, ko, fr, de, es, it
ശബ്ദം ക്ലോണ് ചെയ്യുകQwen3 TTS
Alibaba's multilingual TTS with voice cloning, preset voices, and voice design from text.
ഭാഷകള്: en, zh, ja, ko, de, fr, ru, pt, es, it
ശബ്ദം ക്ലോണ് ചെയ്യുകരചയിതാവു് - ആദ്യത്തെ API
ഓപ്പണ്AI- യോജിപ്പുള്ള റെസ്റ്റ് API. ഒരു അവസാന പോയിന്റ്, 22+ മോഡലുകള്. ശരിയായ സമയ പ്രയോഗങ്ങള്ക്കുള്ള പിന്തുണ സ്റ്റ്രീമിങ്ങുന്നു.
- ഓപ്പണ്ഐ- ആക്സസിബിളിറ്റി ഫോര്മാറ്റ്
- റിയല് ടൈം ആപ്സിനായി ടിടിഎസ് സ്ട്രീം ചെയ്യുന്നുName
- വലിയ ജോലികള്ക്കുള്ള തുക പ്രവര്ത്തനം
- വെബ് ടാബ് അറിയിപ്പുകള്
import requests
response = requests.post(
"https://api.tts.ai/v1/tts/",
headers={"Authorization": "Bearer sk-tts-xxx"},
json={
"model": "kokoro",
"text": "Hello from TTS.ai!",
"voice": "af_bella",
}
)
with open("output.mp3", "wb") as f:
f.write(response.content)ലളിതമായ, സുതാര്യമായ പ്രകമ്പനംName
സ്വതന്ത്രമായി തുടങ്ങുക. നിങ്ങള് വളരുമ്പോള് വലിപ്പം കൂട്ടുക.
ഫ്രീ
50 ക്രെഡിറ്റ്സ്
- Kokoro, Piper, VITS, MeloTTS
- 500 അക്ഷരങ്ങളുടെ പരിധി
- 3 ജിന്/ മണിക്കൂര് (അക്കൌണ്ട് ഇല്ല)
ആരംഭകന്
500 ക്രെഡിറ്റ്സ്/മാസം
- എല്ലാ 22+ മോഡലുകള്
- 5,000 ക്യാരക്ടര് പരിധി
- ശബ്ദ ക്ളൈനിങ്ങ്
പ്രൊഫൈല്
2,000 ക്രെഡിറ്റ്സ്/ മാസം
- എല്ലാം തുടങ്ങുമ്പോള്.
- API പ്രവേശിക്കുന്നു
- മുന്ഗണനാ പ്രക്രിയ
ഇന്റര്നാഷണല്
10,000 ക്രെഡിറ്റ്സ്/മാസം
- പ്രൊവറില് എല്ലാം
- മൊത്തം API
- മുന്ഗണനാ റേറ്റര്
പലപ്പോഴും ചോദിക്കപ്പെടുന്ന ചോദ്യങ്ങൾ
ഇന്ന് AI ശബ്ദം ഉപയോഗിക്കാന് തുടങ്ങുക
ഡിഎൻഎ - യിലെ ഡയറകടർമാർ