Чөлөөт AI Үгнээс үсэг рүүName

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

Raspberry Pi болон суурилуулсан төхөөрөмжүүдэд тохируулсан хурдан, орон нутгийн нейрон текстээс яриа болгох систем. Name

Бүх түвшний текст-амьдралд зориулсан өрсөлдөөнтэй суралцах нөхцөлтэй хувирлын автокодлогч.

CPU дээр хамгийн бага эргэлтийн хугацаатай ажилладаг чанартай олон хэлний текст- рүү- яриа.

Трансформатор дээр суурилсан текстээс дууны загвар нь бодит яриа, хөгжим, дууны эффектүүдийг үүсгэдэг. Name

Барк-ийн илүү хурдан тооцоолол, бага санах ой ашиглах боломжтой хувилбар. Name

Alibaba-ийн хэмжээст дамжуулах TTS нь хүний-паритын байгалийн байдал болон нууцлалын ойролцоо.

Олон дуут ярианы генератор нь дуут ярианууд хооронд байгалийн яриаг бий болгодог.

Та хүссэн дуу хоолойгоо байгалийн хэлээрээ тодорхойл, Parler тохирох дуу хоолойг үүсгэнэ.

Нээлттэй эхийн TTS загваруудын дунд хамгийн бага үсгийн алдааны түвшинг хангана.

Zero-shot TTS, нарийн мэдрэмжтэй, өндөр илэрхийлэлтэй.

ТТС-ийн дууны клоныг удирдах сэтгэл хөдлөл болон дуудлагаар ярих хэв маяг.

5 секундын аудионоос ямар ч дууг репликацилах хэдхэн секундын дууны клонинг TTS.

Хүний түвшний сэтгэл хөдлөлийн TTS загварыг 100K цагийн ярианы мэдээллээр бэлтгэсэн.

"Resemble AI"-ийн сэтгэл хөдлөлийн хяналттай, хамгийн сүүлийн үеийн дууны клон.

Авторегрессив загвартай чанарт суурилсан олон дуут текст-то-сонголт.

Хүний түвшний текст-то-уламжлалт яриа, маргаантай сургалтын аргаар.

Хэлний хэв маяг, сэтгэл хөдлөл, өнгө аясыг хянах боломж бүхий шууд дууны дугуйлан.

Alibaba-ийн олон хэлний TTS дууны клончлол, урьдчилан тохируулсан дуунууд, текстээс дууны загварыг дэмждэг.

Уулзалтын ярианы загвар нь тохирох цаг хугацаа, мэдрэмжтэй байгалийн яриаг бий болгодог.

200мс-ийн доод хугацаатай, инээмсэглэх, ханиалгах, гэх мэт үгсийг тэмдэглэх паралингвист хэмжүүртэй хурдан Чатбокс.

Олон дуут яриа болон паралингвистик дохио бүхий анхны ярианы TTS.

Токенизаторгүй TTS нь 44.1kHz аудиог агуулга мэдрэх параграфын тогтвортой байдалтай гаргадаг.

LLM-ийн суурилсан TTS нь CPU, GPU, эсвэл llama.cpp болон Transformers.js-ийн браузер дээр ажилладаг.

0-халлюцинацитай текст-акуст хоёрдогч нийцүүлэлттэй TTS, харьцуулахад LLM TTS-ээс 5x хурдан.

Microsoft загвар нь подкаст болон аудио ном зэрэг олон дуут контентын урт хэлбэрийн загвар юм.

Kyutai-ийн 100M параметрийн загвар, нэг жишээнээс дууны клонлолт. Name

Ultra-lightweight TTS under 80MB. Runs on CPU without GPU.

Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.

Ultra-long 20-language TTS supporting up to 1 hour of continuous generation with phoneme-level control.

ByteDance's sparse alignment TTS with adjustable intelligibility vs. speaker similarity.