Чөлөөт AI Үгнээс үсэг рүүName
33+ нээлттэй эхийн загварууд, 273+ дуунууд, 33+ Тоглоомын нэр:
Таны дууны AI-д хэрэгтэй бүх зүйлName
30+ хэрэгслийг нээлттэй эхийн хиймэл оюун ухааны загвараар хангана
33+ AI дууны загвар
Нэг платформд хамгийн өргөн хүрээтэй нээлттэй эхийн TTS загварууд
Kokoro Хязгааргүй
Kokoro нь 82 сая параметртэй, өөрийн жингийн ангилалд багтах чадвартай текст- рүү- яриа загвар юм. Энэ нь жижигхэн боловч, гайхалтай, илэрхийлэлтэй яриаг гаргаж өгдөг. Kokoro нь Англи, Япон, Хятад, Солонгос зэрэг олон хэлийг дэмждэг бөгөөд олон янзын илэрхийлэлтэй дуу хоолойг гаргаж өгдөг. Энэ нь маш хурдан ажилладаг - график процессор дээрх бодит цагаасаа 100 дахин хурдан дуу үүсгэдэг.
Хамгийн тохиромжтой: Хамгийн бага хугацаа шаардсан чанартай TTS, шууд дамжуулах програмууд
Үнэгүй туршиж үзэх
Piper Хязгааргүй
Piper бол Rhasspy- ийн боловсруулсан VITS болон larynx архитектуруудыг ашигласан хөнгөн жинтэй текст- рүү- яриа хөдөлгүүр юм. Энэ нь бүхэлдээ CPU дээр ажилладаг, үүнийг edge төхөөрөмжүүд, гэр ахуйн автоматжуулалт, болон холбоогүй TTS шаарддаг програмуудад тохиромжтой болгодог. 30+ хэл дээр 100+ дуу хоолойтой Piper нь Raspberry Pi 4 дээр ч гэсэн бодит цаг хугацаанд байгалийн дуу авиаг хүргэдэг.
Хамгийн тохиромжтой: Хурдан урьдчилсан үзлэг, хүрэх боломж, хавтгайруулсан програмууд
Үнэгүй туршиж үзэх
VITS Хязгааргүй
VITS (Variation Inference with adversarial learning for end- to- end Text- to- Speech) нь одоогийн хоёр шаттай загваруудаас илүү нарийн сонсогдох дууг гаргаж авах параллель төгсгөлөөс төгсгөл хүртэлх TTS арга юм. Энэ нь хэвийн урсгал болон өрсөлдөгч сургалтын үйл явцаар сайжруулсан variation inference- ийг ашиглан, нарийн сонсогдох байдлыг ихээхэн сайжруулдаг.
Хамгийн тохиромжтой: Нийгмийн зорилготой, байгалийн хэмнэлтэй текст- рүү- яриаName
Үнэгүй туршиж үзэх
MeloTTS Хязгааргүй
MyShell. ai- ийн MeloTTS нь олон хэлний TTS library бөгөөд Англи (Америк, Британ, Энэтхэг, Австрали), Испани, Франц, Хятад, Япон, Солонгос хэлийг дэмждэг. Энэ нь маш хурдан, зөвхөн CPU- ийн хурдаар текстийг бодит цаг хугацаанд нь боловсруулдаг. MeloTTS нь үйлдвэрлэлийн хэрэглээнд зориулагдсан бөгөөд CPU болон GPU- ийн дүгнэлтийг дэмждэг.
Хамгийн тохиромжтой: Шууд, олон хэлний TTS шаардсан үйлдвэрлэлийн програмууд
Үнэгүй туршиж үзэх
Kani TTS 2 Хязгааргүй
Kani- TTS- 2 by NineNineSix нь NVIDIA NanoCodec- тэй Liquid AI LFM2 backbone дээр суурилсан 400M параметртэй маш хөнгөн жинтэй загвар юм. Энэ нь 3GB VRAM- ээр ажилладаг бөгөөд A100 (RTF 0. 2) дээр ~2 секундэд ~10 секундын яриа гаргадаг. Одоогийн нийтийн хувилбар нь зөвхөн Англи хэлний `kani- tts- 2- en` шалгах цэгтэй бөгөөд дууны клонлоход шаардлагатай дуут дохиог илрүүлэх боломжгүй — клонлоход Chatterbox / IndexTTS2 / F5- TTS, Англи хэлгүй бол Kokoro / MeloTTS ашиглана.
Хамгийн тохиромжтой: Хэт бага VRAM-тай тоног төхөөрөмж дээр хурдан Англи хэл үүсгэх, хурдан урьдчилсан үзлэг
Үнэгүй туршиж үзэх
OuteTTS Хязгааргүй
OuteTTS нь эхний загварыг хадгалж, текстээс яриа болгох чадвартай том хэлний загварыг өргөжүүлдэг. Энэ нь llama. cpp (CPU/GPU), Hugging Face Transformers, ExLlamaV2, VLLM, мөн Transformers. js-ийн браузерын дүгнэлтийг дэмждэг. JSON-оор хадгалагдсан дуут профайлуудыг ашиглан дууны клонлолтыг нууцаар хийдэг.
Хамгийн тохиромжтой: Edge-ийн суурилуулалт, вэб хөтөч дээр суурилсан TTS, бага нөөцтэй орчинд
Үнэгүй туршиж үзэх
Pocket TTS Хязгааргүй
Kyutai (Moshi- ийн зохиогчид) - ийн Pocket TTS нь 100М параметртэй, хэмнэлттэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметртэй, 100М параметр
Хамгийн тохиромжтой: Хөнгөн суурилуулалт, CPU-ийн хэрэглээ багатай орчинд, дууны хурдан дуурайлт
Үнэгүй туршиж үзэх
Kitten TTS Хязгааргүй
Kitten TTS by KittenML нь ONNX дээр суурилсан маш хөнгөн жинтэй текстээс яриа болгох загвар юм. 15M- 80M параметртэй (25- 80 MB дискэнд), GPU шаардахгүйгээр CPU дээр өндөр чанартай яриа синтезийг хүргэдэг. 8 доторх дуу, ярианы хурд тохируулах, тоо, мөнгө, нэгжүүдийн доторх текстийн урьдчилсан боловсруулалт. Edge- ийн суурилуулалт болон бага хугацаа шаардсан програмуудад тохиромжтой.
Хамгийн тохиромжтой: Хурдан, хөнгөн TTS, талын байршуулах, бага хугацаа шаардсан програмууд
Үнэгүй туршиж үзэх
Ming-Omni TTS Хязгааргүй
InclusionAI- ийн Ming- omni- tts- 0. 5B нь BailingMM-ийн нягт нямбай суурь дээр суурилсан, Patch- by- Patch-ийн урсгал тохирох аудио кодлогчтой, компакт omni-modal ярианы загвар юм. 44. 1kHz-ийн (CD чанартай) гаралт, 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секундын 3+ секунд
Хамгийн тохиромжтой: Дуу бичлэгийн чанар өндөр, сэтгэл хөдлөл удирдсан дууны найруулга, хятад дуут номын агуулга
Үнэгүй туршиж үзэх
MOSS-TTS Nano Хязгааргүй
MOSS- TTS- Nano- 100M нь MOSS- TTS гэр бүлийн OpenMOSS-ийн компакт 100M-параметр хувилбар бөгөөд, саад- трансформаторын архитектурыг хуваалцдаг. 8B загварын дээд чанарыг ~80x бага жинтэй, хүссэн бүрт бага VRAM-тай солилцдог, энэ нь чөлөөт түвшний болон өндөр дамжуулалтын ашиглалтад тохиромжтой. 20 хэлний хүрээтэй.
Хамгийн тохиромжтой: Хязгааргүй түвшний TTS, өндөр хэмжээтэй үйлдвэрлэл, бага хугацааны хүлээлттэй интерактив хэрэглээ
Үнэгүй туршиж үзэх
Bark Стандарт
Трансформатор дээр суурилсан текстээс дууны загвар нь бодит яриа, хөгжим, дууны эффектүүдийг үүсгэдэг. Name
Хөгжүүлэгч: Suno · Лиценз: MIT
оролдож үз
Bark Small Стандарт
Барк-ийн илүү хурдан тооцоолол, бага санах ой ашиглах боломжтой хувилбар. Name
Хөгжүүлэгч: Suno · Лиценз: MIT
оролдож үз
CosyVoice 2 Стандарт
Alibaba-ийн хэмжээст дамжуулах TTS нь хүний-паритын байгалийн байдал болон нууцлалын ойролцоо.
Хөгжүүлэгч: Alibaba (Tongyi Lab) · Лиценз: Apache 2.0
оролдож үз
Dia TTS Стандарт
Олон дуут ярианы генератор нь дуут ярианууд хооронд байгалийн яриаг бий болгодог.
Хөгжүүлэгч: Nari Labs · Лиценз: Apache 2.0
оролдож үз
Parler TTS Стандарт
Та хүссэн дуу хоолойгоо байгалийн хэлээрээ тодорхойл, Parler тохирох дуу хоолойг үүсгэнэ.
Хөгжүүлэгч: Hugging Face · Лиценз: Apache 2.0
оролдож үз
IndexTTS-2 Стандарт
Zero-shot TTS, нарийн мэдрэмжтэй, өндөр илэрхийлэлтэй.
Хөгжүүлэгч: Index Team · Лиценз: Bilibili Model License
оролдож үз
Spark TTS Стандарт
ТТС-ийн дууны клоныг удирдах сэтгэл хөдлөл болон дуудлагаар ярих хэв маяг.
Хөгжүүлэгч: SparkAudio · Лиценз: CC BY-NC-SA 4.0
оролдож үз
GPT-SoVITS Стандарт
5 секундын аудионоос ямар ч дууг репликацилах хэдхэн секундын дууны клонинг TTS.
Хөгжүүлэгч: RVC-Boss · Лиценз: MIT
оролдож үз
Orpheus Стандарт
Хүний түвшний сэтгэл хөдлөлийн TTS загварыг 100K цагийн ярианы мэдээллээр бэлтгэсэн.
Хөгжүүлэгч: Canopy Labs · Лиценз: Llama 3.2 Community
оролдож үз
Qwen3 TTS Стандарт
Alibaba-ийн олон хэлний TTS нь өмнөх тохируулсан дуунууд болон текстээс дууны загварыг агуулдаг.
Хөгжүүлэгч: Alibaba (Qwen) · Лиценз: Apache 2.0
оролдож үз
VieNeu-TTS-v2 Стандарт
Вьетнам + Англи код солих TTS 7-н өмнөх тохируулсан дуу хоолой, 0-р гүйдлийн дуу хоолойг дуурайх. CPU-ийн хэрэглээ, график процессор шаардахгүй. Name
Хөгжүүлэгч: Phạm Nguyễn Ngọc Bảo · Лиценз: Apache 2.0
оролдож үз
Chatterbox Turbo Стандарт
200мс-ийн доод хугацаатай, инээмсэглэх, ханиалгах, гэх мэт үгсийг тэмдэглэх паралингвист хэмжүүртэй хурдан Чатбокс.
Хөгжүүлэгч: Resemble AI · Лиценз: MIT
оролдож үз
VoxCPM Стандарт
Токенизаторгүй TTS нь 44.1kHz аудиог агуулга мэдрэх параграфын тогтвортой байдалтай гаргадаг.
Хөгжүүлэгч: OpenBMB · Лиценз: Apache 2.0
оролдож үз
VibeVoice Стандарт
Microsoft загвар нь подкаст болон аудио ном зэрэг олон дуут контентын урт хэлбэрийн загвар юм.
Хөгжүүлэгч: Microsoft · Лиценз: MIT
оролдож үз
CosyVoice3 Стандарт
Би-стриминг, сэтгэл хөдлөлийн хяналт, дууны клонлолтгүй олон хэлний дараагийн үеийн TTS.
Хөгжүүлэгч: Alibaba (FunAudioLLM) · Лиценз: Apache 2.0
оролдож үз
NAMAA Saudi TTS Стандарт
Саудын Арабын анхны нээлттэй TTS. Саудын Арабын үндэсний хэлний Chatterbox-ийн чанартай дууны клон.
Хөгжүүлэгч: NAMAA Space · Лиценз: MIT
оролдож үз
Darwin TTS Стандарт
Cross-modal Qwen3-TTS хувилбар нь FFN жинтэй, Qwen3-1.7B хэлний загвараас илүү нарийвчлалтай олон хэлний клонлолт хийхэд тохиромжтой.
Хөгжүүлэгч: FINAL-Bench · Лиценз: Apache 2.0
оролдож үз
MOSS-TTSD Стандарт
Олон дуут ярианы үргэлжлэх загвар -5гар утас болон 60 минутын нийцтэй аудиотой подкаст маягийн яриа үүсгэх.
Хөгжүүлэгч: OpenMOSS · Лиценз: Apache 2.0
оролдож үз
Chatterbox Дээд зэрэглэлийн
"Resemble AI"-ийн сэтгэл хөдлөлийн хяналттай, хамгийн сүүлийн үеийн дууны клон.
Чадал:
оролдож үз
Tortoise TTS Дээд зэрэглэлийн
Авторегрессив загвартай чанарт суурилсан олон дуут текст-то-сонголт.
Чадал:
оролдож үз
StyleTTS 2 Дээд зэрэглэлийн
Хүний түвшний текст-то-уламжлалт яриа, маргаантай сургалтын аргаар.
Чадал:
оролдож үз
OpenVoice Дээд зэрэглэлийн
Хэлний хэв маяг, сэтгэл хөдлөл, өнгө аясыг хянах боломж бүхий шууд дууны дугуйлан.
Чадал:
оролдож үз
Sesame CSM Дээд зэрэглэлийн
Уулзалтын ярианы загвар нь тохирох цаг хугацаа, мэдрэмжтэй байгалийн яриаг бий болгодог.
Чадал:
оролдож үзCosyVoice 2
Alibaba-ийн хэмжээст дамжуулах TTS нь хүний-паритын байгалийн байдал болон нууцлалын ойролцоо.
Хэл: en, zh, ja, ko, fr, de, it, es
ДууSpark TTS
ТТС-ийн дууны клоныг удирдах сэтгэл хөдлөл болон дуудлагаар ярих хэв маяг.
Хэл: en, zh
ДууGPT-SoVITS
5 секундын аудионоос ямар ч дууг репликацилах хэдхэн секундын дууны клонинг TTS.
Хэл: en, zh, ja, ko
ДууChatterbox
"Resemble AI"-ийн сэтгэл хөдлөлийн хяналттай, хамгийн сүүлийн үеийн дууны клон.
Хэл: en
ДууOpenVoice
Хэлний хэв маяг, сэтгэл хөдлөл, өнгө аясыг хянах боломж бүхий шууд дууны дугуйлан.
Хэл: en, zh, ja, ko, fr, es
ДууVieNeu-TTS-v2
Вьетнам + Англи код солих TTS 7-н өмнөх тохируулсан дуу хоолой, 0-р гүйдлийн дуу хоолойг дуурайх. CPU-ийн хэрэглээ, график процессор шаардахгүй. Name
Хэл: vi, en
ДууChatterbox Turbo
200мс-ийн доод хугацаатай, инээмсэглэх, ханиалгах, гэх мэт үгсийг тэмдэглэх паралингвист хэмжүүртэй хурдан Чатбокс.
Хэл: en
ДууVoxCPM
Токенизаторгүй TTS нь 44.1kHz аудиог агуулга мэдрэх параграфын тогтвортой байдалтай гаргадаг.
Хэл: en, zh
ДууOuteTTS
LLM-ийн суурилсан TTS нь CPU, GPU, эсвэл llama.cpp болон Transformers.js-ийн браузер дээр ажилладаг.
Хэл: en
ДууCosyVoice3
Би-стриминг, сэтгэл хөдлөлийн хяналт, дууны клонлолтгүй олон хэлний дараагийн үеийн TTS.
Хэл: en, zh, ja, ko, de, es, fr, it, ru
ДууNAMAA Saudi TTS
Саудын Арабын анхны нээлттэй TTS. Саудын Арабын үндэсний хэлний Chatterbox-ийн чанартай дууны клон.
Хэл: ar
ДууDarwin TTS
Cross-modal Qwen3-TTS хувилбар нь FFN жинтэй, Qwen3-1.7B хэлний загвараас илүү нарийвчлалтай олон хэлний клонлолт хийхэд тохиромжтой.
Хэл: en, ko, ja, zh
ДууMOSS-TTSD
Олон дуут ярианы үргэлжлэх загвар -5гар утас болон 60 минутын нийцтэй аудиотой подкаст маягийн яриа үүсгэх.
Хэл: en, zh
ДууMing-Omni TTS
InclusionAI-ийн 0.5B олон модаль ярианы загвар, өндөр чанартай 44.1kHz-ийн гаралт, дууны 0-шот клончлол.
Хэл: en, zh
ДууMOSS-TTS Nano
Tiny 100M MOSS-TTS хувилбар — ижил архитектур, 80x бага, чөлөөт түвшний тэсрэлт.
Хэл: en, zh, de, es, fr, ja, it, ko, ru, ar, pt
ДууХөгжүүлэгчдийн API
OpenAI-тэй нийцтэй REST API. Нэг төгсгөлийн цэг, 22+ загвар. Үнэн цагийн програмуудыг дамжуулах дэмжлэг.
- OpenAI-тай нийцсэн хэв маяг
- Орчин үеийн програмуудад зориулсан TTS дамжуулалт
- том ажлуудыг багцлан боловсруулна
- ТохиргооComment
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")Зөвхөн, нээлттэй үнэлгээ
Үнэгүй эхлэх. Өсөх тусам өргөжүүлэх.
Чөлөөт
15,000 тэмдэгт + 5,000/ өдөр
- Кокорог багтаасан 7-н үнэгүй загвар
- 5000 тэмдэгт нэг үе
- API- ийн нэвтрэлт багтсан
Про
2,000 кредит
- Эхлүүлэгч дэх бүх зүйл
- API нэвтрэх
- Хамгийн түрүүнд боловсруул
Ажлын байр
10,000 кредит
- Про- гийн бүх зүйл
- Бүтээлийн API
- Дээд зэрэглэлийн дараалал
Заримдаа асуудаг асуултууд
Бид юуг сайжруулах ёстой вэ? Таны санал бодол бидэнд асуудал шийдвэрлэхэд тусалдаг.
Өнөөдөр AI дуугаралт ашиглах
TTS.ai-ийг ашигладаг зохиогчид, хөгжүүлэгчид, бизнесүүдтэй нэгдээрэй