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.

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 suara praset dan reka bentuk suara dari teks.

TTS kod-tukar Vietnam + Inggeris dengan 7 suara praset dan klon suara sifar-tembak. CPU sahaja, tiada GPU diperlukan.

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 bebas tokenizer menghasilkan audio 44.1kHz dengan konsistensi perenggan kontekstual.

Model TTS bahasa Inggeris 400M ultra-ringan berjalan dalam hanya 3GB VRAM.

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

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.

TTS ultra-ringan di bawah 80MB. Dijalankan pada CPU tanpa GPU.

TTS multibahasa generasi seterusnya dengan bi-streaming, kawalan emosi, dan klon suara sifar-tembak.

TTS Arab Saudi terbuka pertama. Dialek Arab Saudi asli dengan klon suara kualiti Chatterbox.

Varian cross-modal Qwen3-TTS dengan berat FFN dicampur dari model bahasa Qwen3-1.7B untuk klon multibahasa yang lebih tajam.

Model sambungan dialog pembicara berbilang — cipta perbualan gaya podcast dengan sehingga 5 pembicara dan 60 minit audio koheren.

Model ucapan omni-modal 0.5B dari inclusionAI dengan output 44.1kHz yang tinggi dan kloning suara sifar-tembak.

Varian MOSS-TTS 100M kecil — arsitektur yang sama, 80x lebih kecil, latensi lapisan bebas.