AI bebas Teks ke Tutur

Model parameter ringan 82M memberikan ucapan studio-kualiti dengan kesimpulan yang cepat.

Sistem teks-ke-tutur saraf setempat yang pantas dioptimumkan untuk Raspberry Pi dan peranti terbenam.

Autoencoder varian bersyarat dengan pembelajaran berlawanan untuk teks-ke-tutur hujung-ke-hujung.

Teks-ke-tutur berbilang bahasa berkualiti tinggi yang berjalan pada CPU dengan latensi minimum.

Model teks-ke-audio berasaskan Transformer yang menghasilkan ucapan, muzik, dan kesan bunyi yang realistik.

Versi ringan Bark dengan inferensi lebih pantas dan penggunaan memori yang lebih rendah.

Alibaba's boleh skala streaming TTS dengan manusia-parit semula jadi dan latensi hampir-sifar.

Model penjanaan dialog multi-pembesar yang mencipta perbualan semulajadi antara pembesar.

Huraikan suara yang anda mahu dalam bahasa semulajadi dan Parler akan menghasilkan ucapan yang sepadan.

Mencapai kadar ralat aksara terendah di antara model TTS sumber terbuka.

Zero-shot TTS dengan kawalan emosi halus-grained dan ekspresi tinggi.

Klon suara TTS dengan emosi yang boleh dikawal dan gaya bercakap melalui prompt.

Klon suara TTS yang meniru suara mana-mana dari hanya 5 saat audio.

Model TTS emosi tahap manusia dilatih pada 100K jam data ucapan.

Kloning suara yang canggih dengan kawalan emosi dari Resemble AI.

Teks-ke-tutur berbilang suara berfokus pada kualiti dengan arsitektur autoregressif.

Teks-ke-percakapan tahap manusia melalui penyebaran gaya dan latihan lawan.

Klon suara seketika dengan kawalan granular terhadap gaya, emosi, dan loghat.

TTS multibahasa Alibaba dengan klon suara, suara praset, dan reka bentuk suara dari teks.

Model percakapan perbualan menghasilkan dialog semula jadi dengan masa yang sesuai dan emosi.

Chatterbox yang lebih pantas dengan latensi sub-200ms dan tag paralinguistik untuk ketawa, batuk, dan lebih.

TTS perbualan streaming-pertama dengan dialog multi-pendengar dan petunjuk paralinguistik.

TTS bebas tokenizer menghasilkan audio 44.1kHz dengan konsistensi perenggan kontekstual.

TTS berasaskan LLM yang berjalan pada CPU, GPU, atau pelayar melalui llama.cpp dan Transformers.js.

TTS halusinasi sifar dengan teks-akustik dua hala, 5x lebih cepat daripada TTS LLM setanding.

Model Microsoft untuk kandungan berbilang pembesar suara berbentuk panjang seperti podcast dan buku audio.

Model parameter ringan 100M oleh Kyutai dengan kloning suara dari satu sampel.

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.