स्वतन्त्र एआई पाठ वाचकComment
33+ खुला स्रोत नमूनाहरू, 273+ आवाजहरू, 33+ भाषाहरू । खाता आवश्यक छैन ।
तपाईँलाई आवाज एआईको लागि आवश्यक सबै कुरा
30+ खुला स्रोत एआई मोडेल द्वारा संचालित उपकरणहरू
33+ AI आवाज नमूना
एक प्लेटफर्ममा खुला स्रोत TTS नमूनाहरूको सबैभन्दा व्यापक संग्रह
Kokoro स्वतन्त्र
कोकोरो एक 82 मिलियन मापदण्ड पाठ-देखि-भाषण मोडेल छ कि यसको वजन वर्ग माथि राम्रो संग Punches. यसको सानो आकार बावजुद, यो उल्लेखनीय प्राकृतिक र अभिव्यक्तिशील भाषण उत्पादन. कोकोरो अंग्रेजी सहित बहु भाषाहरू समर्थन, जापानी, चिनियाँ, र कोरियाली अभिव्यक्तिपूर्ण आवाज को एक किसिम संग. यो अविश्वसनीय रूपमा छिटो चल्छ - GPU मा वास्तविक समय भन्दा लगभग 100x छिटो अडियो उत्पन्न.
यसका लागि उत्तम: न्यूनतम लाटेन्सी, स्ट्रिमिङ अनुप्रयोगहरूसँग उच्च गुणस्तर TTS
नि: शुल्क प्रयास गर्नुहोस्
Piper स्वतन्त्र
पाइपर एक हल्का पाठ-देखि-भाषण इन्जिन Rhasspy द्वारा विकसित छ जुन VITS र larynx वास्तुकला प्रयोग गर्दछ। यो सीपीयूमा पूर्ण रूपमा चल्छ, किनारा उपकरणहरू, घर स्वचालन र अफलाइन TTS आवश्यक अनुप्रयोगहरूको लागि आदर्श बनाउँछ। 100+ भाषाहरूमा 100+ आवाजहरूसँग, पाइपरले एक रास्पबेरी पाइ4मा पनि वास्तविक समय गतिमा प्राकृतिक-सुन्ने भाषण प्रदान गर्दछ।
यसका लागि उत्तम: छिटो पूर्वावलोकन, पहुँचता, र सम्मिलित अनुप्रयोगहरू
नि: शुल्क प्रयास गर्नुहोस्
VITS स्वतन्त्र
VITS (अन्त-सम्म-अन्त पाठ-देखि-भाषण लागि adversarial सिक्ने संग भिन्नता निष्कर्ष) एक समानान्तर अन्त-सम्म-अन्त TTS विधि छ कि वर्तमान दुई-चरण मोडेल भन्दा बढी प्राकृतिक ध्वनि अडियो उत्पन्न गर्दछ। यो सामान्यीकरण प्रवाह र एक adversarial प्रशिक्षण प्रक्रिया संग बढेको भिन्नता निष्कर्ष अपनाउँछ, प्राकृतिकता मा एक महत्वपूर्ण सुधार हासिल।
यसका लागि उत्तम: प्राकृतिक शब्दसँग सामान्य- उद्देश्य पाठ-बाट-वाचन
नि: शुल्क प्रयास गर्नुहोस्
MeloTTS स्वतन्त्र
MyShell.ai द्वारा MeloTTS अंग्रेजी समर्थन एक बहुभाषी TTS लाइब्रेरी छ (अमेरिकी, ब्रिटिश, भारतीय, अष्ट्रेलियन), स्पेनिश, फ्रान्सेली, चिनियाँ, जापानी, र कोरियाली. यो अत्यधिक छिटो छ, सीपीयू एक्लै मा नजिकै वास्तविक-समय गति मा पाठ प्रक्रिया. MeloTTS उत्पादन प्रयोगको लागि डिजाइन गरिएको छ र सीपीयू र जीपीयू दुवै अनुमान समर्थन गर्दछ.
यसका लागि उत्तम: उत्पादन अनुप्रयोगहरू छिटो, बहुभाषिक TTS आवश्यक
नि: शुल्क प्रयास गर्नुहोस्
Kani TTS 2 स्वतन्त्र
NineNineSix द्वारा Kani-TTS-2 एक NVIDIA NanoCodec संग एक तरल AI LFM2 ब्याकबोन मा निर्मित एक अल्ट्रा-लाइटवेट 400M पैरामीटर मोडेल हो। यो केवल 3GB VRAM मा चल्छ र A100 (RTF 0.2) मा ~2सेकेन्डमा ~ 10 सेकेन्डमा भाषणको उत्पादन गर्दछ। हालको सार्वजनिक रिलीजले अंग्रेजी-मात्र `kani-tts-2-en` चेकपोइन्ट पठाउँदछ र आवाज क्लोनिङको लागि आवश्यक स्पीकर-इम्बेडिंग हुकलाई उजागर गर्दैन - क्लोनिङको लागि Chatterbox / IndexTTS2 / F5-TTS प्रयोग गर्नुहोस्, वा गैर-अंग्रेजीको लागि Kokoro / MeloTTS।
यसका लागि उत्तम: कम- VRAM हार्डवेयरमा छिटो अंग्रेजी सिर्जना, छिटो पूर्वावलोकन
नि: शुल्क प्रयास गर्नुहोस्
OuteTTS स्वतन्त्र
OuteTTS मूल वास्तुकला संरक्षण गर्दा पाठ-देखि-भाषण क्षमताहरू संग ठूलो भाषा मोडेल विस्तार गर्दछ। यो llama.cpp (CPU / GPU), Hugging अनुहार Transformers, ExLlamaV2, VLLM, र पनि Transformers.js मार्फत ब्राउजर inference सहित बहु backends समर्थन गर्दछ। विशेषताहरू शून्य-शट स्पीकर प्रोफाइलहरू मार्फत आवाज क्लोनिंग JSON रूपमा बचत।
यसका लागि उत्तम: किनारा वितरण, ब्राउजर आधारित TTS, कम-संसाधन वातावरण
नि: शुल्क प्रयास गर्नुहोस्
Pocket TTS स्वतन्त्र
Kyutai द्वारा पोके TTS (Moshi को निर्माता) एक कम्प्याक्ट 100M मापदण्ड पाठ-देखि-भाषण मोडेल छ कि यसको वजन माथि राम्रो Punches. यो सीपीयू मा कुशलतापूर्वक चल्छ, एकल अडियो नमूना देखि शून्य-शट आवाज क्लोनिंग समर्थन, र प्राकृतिक-सुन्ने भाषण उत्पादन. सानो मोडेल साइज यो किनारा तैनात र कम-संसाधन वातावरण लागि आदर्श बनाउँछ।
यसका लागि उत्तम: हल्का वितरण, सीपीयू- मात्र वातावरण, छिटो आवाज क्लोनिङ
नि: शुल्क प्रयास गर्नुहोस्
Kitten TTS स्वतन्त्र
KittenML द्वारा Kitten TTS एक अत्यन्त हल्का पाठ-देखि-भाषण मोडेल ONNX मा निर्माण गरिएको छ। 15M देखि 80M मापदण्ड (डिस्कमा 25-80 मेगाबाइट) देखि भिन्नता संग, यो GPU को आवश्यकता बिना सीपीयू मा उच्च गुणवत्ता आवाज संश्लेषण प्रदान गर्दछ। विशेषताहरू 8 निर्माण-मा आवाज, समायोज्य भाषण गति, र संख्याहरू, मुद्राहरू, र इकाइहरूको लागि निर्माण पाठ पूर्व-प्रक्रिया। किनारा तैनात र कम-लाटेन्सी अनुप्रयोगहरूको लागि आदर्श।
यसका लागि उत्तम: छिटो हल्का TTS, किनारा तैनाती, कम-लाटेन्सी अनुप्रयोगहरू
नि: शुल्क प्रयास गर्नुहोस्
Ming-Omni TTS स्वतन्त्र
inclusionAI द्वारा मिङ-omni-tts-0.5B एक प्याच-by-प्याच प्रवाह-मिल्दो अडियो डिकोडर संग BailingMM घना backbone मा निर्मित एक कम्प्याक्ट Omni-modal भाषण मोडेल छ। 44.1kHz आउटपुट (सीडी गुणस्तर नजिक) प्रदान गर्दछ, एक 3+ दोस्रो सन्दर्भबाट शून्य-शट आवाज क्लोनिंग समर्थन गर्दछ, र JSON निर्देशहरू मार्फत निर्मित भावना / बोली / BGM नियन्त्रण समावेश गर्दछ। उत्कृष्ट स्थिरता - चीनी बेन्चमार्कमा 0.83% WER।
यसका लागि उत्तम: उच्च-विश्वासी द्विभाषी कथा, भावना-नियन्त्रित आवाज अभिनय, चिनियाँ अडियोबुक सामग्री
नि: शुल्क प्रयास गर्नुहोस्
MOSS-TTS Nano स्वतन्त्र
MOSS-TTS-Nano-100M MOSS-TTS परिवारको OpenMOSS को कम्प्याक्ट 100M-परिमिति प्रकार्य हो, विलम्ब-ट्रान्सफर वास्तुकला साझेदारी गर्दछ। ~ 80x सानो तौल र नाटकीय रूपमा प्रति अनुरोध VRAM को लागि 8B मोडेलको उच्चतम गुणवत्ता व्यापार गर्दछ, यो निःशुल्क-तह र उच्च-थ्रूपुट तैनातिका लागि उपयुक्त बनाउँछ। उही 20-भाषा पहुँच।
यसका लागि उत्तम: निःशुल्क-तह TTS, उच्च-भोल्युम उत्पादन, कम-लाटेन्सी अन्तरक्रियात्मक प्रयोग
नि: शुल्क प्रयास गर्नुहोस्
Bark मानक
ट्रान्सफर-आधारित पाठ-अडियो मोडेल जसले यथार्थवादी भाषण, संगीत, र ध्वनि प्रभावहरू उत्पन्न गर्दछ।
विकासकर्ता: Suno · इजाजतपत्र: MIT
यसलाई प्रयास गर्नुहोस्
Bark Small मानक
यसले वायुमण्डलमा कार्बन डाइअक्साइडको मात्रा कम गर्न तथा वायुमण्डलको गुणस्तर सुधार गर्न मद्दत गर्दछ।
विकासकर्ता: Suno · इजाजतपत्र: MIT
यसलाई प्रयास गर्नुहोस्
CosyVoice 2 मानक
यसको प्राकृतिक वासस्थान नेपालको तराई तथा हिमाली क्षेत्रमा पाइन्छ।
विकासकर्ता: Alibaba (Tongyi Lab) · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
Dia TTS मानक
यसले विभिन्न प्रकारका प्राकृतिक प्रकोपहरूको सामना गर्न सक्ने क्षमता राख्दछ।
विकासकर्ता: Nari Labs · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
Parler TTS मानक
तपाईँले प्राकृतिक भाषामा चाहनुभएको आवाज वर्णन गर्नुहोस् र Parler ले मिल्दो भाषण उत्पन्न गर्दछ ।
विकासकर्ता: Hugging Face · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
IndexTTS-2 मानक
यसले वायुमण्डलमा अक्सिजनको मात्रालाई नियन्त्रण तथा उच्च तापक्रमलाई नियन्त्रण गर्दछ।
विकासकर्ता: Index Team · इजाजतपत्र: Bilibili Model License
यसलाई प्रयास गर्नुहोस्
Spark TTS मानक
आवाज क्लोनिंग TTS संग नियन्त्रित भावना र प्रोम्ट्स मार्फत बोल्ने शैली.
विकासकर्ता: SparkAudio · इजाजतपत्र: CC BY-NC-SA 4.0
यसलाई प्रयास गर्नुहोस्
GPT-SoVITS मानक
केही-छाप आवाज क्लोनिंग TTS अडियो को केवल5सेकेन्ड देखि कुनै पनि आवाज प्रतिलिपि गर्दछ।
विकासकर्ता: RVC-Boss · इजाजतपत्र: MIT
यसलाई प्रयास गर्नुहोस्
Orpheus मानक
यसले १०० भन्दा बढी भाषाहरूमा अनुवाद गरेको छ।
विकासकर्ता: Canopy Labs · इजाजतपत्र: Llama 3.2 Community
यसलाई प्रयास गर्नुहोस्
Qwen3 TTS मानक
अलीबाबाको बहुभाषी TTS पूर्वनिर्धारित आवाज र पाठ देखि आवाज डिजाइन संग।
विकासकर्ता: Alibaba (Qwen) · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
VieNeu-TTS-v2 मानक
भिएतनाम + अंग्रेजी कोड-स्विचिंग TTS7प्रिसेट आवाज र शून्य-छाप आवाज क्लोनिंग संग। CPU-मात्र, कुनै GPU आवश्यक।
विकासकर्ता: Phạm Nguyễn Ngọc Bảo · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
Chatterbox Turbo मानक
यसको वजन लगभग 200 ग्राम हुन्छ र यसमा 100 भन्दा बढी खाद्य पदार्थहरू, जस्तै फल, तरकारी, र माछाहरू पाइन्छन्।
विकासकर्ता: Resemble AI · इजाजतपत्र: MIT
यसलाई प्रयास गर्नुहोस्
VoxCPM मानक
यसको क्षेत्रफल ४४.१ वर्गकिलोमिटर रहेको छ ।
विकासकर्ता: OpenBMB · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
VibeVoice मानक
माइक्रोसफ्ट मोडेल लामो फारम बहु-स्पीकर सामग्री जस्तै पोडकास्टहरू र अडियो पुस्तकहरूको लागि।
विकासकर्ता: Microsoft · इजाजतपत्र: MIT
यसलाई प्रयास गर्नुहोस्
CosyVoice3 मानक
यसमा बहुभाषिक TTS, भावना नियन्त्रण, र शून्य-शट आवाज क्लोनिंग समावेश छ।
विकासकर्ता: Alibaba (FunAudioLLM) · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
NAMAA Saudi TTS मानक
पहिलो खुला सऊदी अरब-अरबी TTS। Chatterbox-गुणस्तर आवाज क्लोनिंग संग मूल सऊदी बोली।
विकासकर्ता: NAMAA Space · इजाजतपत्र: MIT
यसलाई प्रयास गर्नुहोस्
Darwin TTS मानक
यसमा ३.७ मेगाहर्जको माइक्रोफोन र ३.७ मेगाहर्जको माइक्रोफोनको साथमा एक माइक्रोफोनको साथमा एक माइक्रोफोनको साथमा एक माइक्रोफोनको साथमा एक माइक्रोफोनको साथमा एक माइक्रोफोन छ।
विकासकर्ता: FINAL-Bench · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
MOSS-TTSD मानक
यसमा एक पटकमा ५ देखि १० जनासम्म सहभागी हुन सक्ने गरी कार्यक्रमको आयोजना गरिएको छ ।
विकासकर्ता: OpenMOSS · इजाजतपत्र: Apache 2.0
यसलाई प्रयास गर्नुहोस्
Chatterbox प्रिमियम
यसले वायुमण्डलमा रहेको अक्सिजनको मात्रालाई नियन्त्रणमा राख्न मद्दत गर्दछ।
गुणस्तर:
यसलाई प्रयास गर्नुहोस्
Tortoise TTS प्रिमियम
यसले बहु-भाषी शब्दकोष र बहु-भाषी शब्दकोषको विकासमा महत्वपूर्ण भूमिका खेलेको छ ।
गुणस्तर:
यसलाई प्रयास गर्नुहोस्
StyleTTS 2 प्रिमियम
मानव-स्तरको पाठ-देखि-भाषण शैली प्रसार तथा प्रतिस्पर्धात्मक प्रशिक्षण मार्फत।
गुणस्तर:
यसलाई प्रयास गर्नुहोस्
OpenVoice प्रिमियम
शैली, भावना, र उच्चारण भन्दा ग्रेनलर नियन्त्रण संग तत्काल आवाज क्लोनिंग।
गुणस्तर:
यसलाई प्रयास गर्नुहोस्
Sesame CSM प्रिमियम
यसले प्राकृतिक तथा सामाजिक जीवनमा सकारात्मक प्रभाव पार्ने गर्दछ ।
गुणस्तर:
यसलाई प्रयास गर्नुहोस्CosyVoice 2
यसको प्राकृतिक वासस्थान नेपालको तराई तथा हिमाली क्षेत्रमा पाइन्छ।
भाषा: en, zh, ja, ko, fr, de, it, es
आवाज क्लोन गर्नुहोस्IndexTTS-2
यसले वायुमण्डलमा अक्सिजनको मात्रालाई नियन्त्रण तथा उच्च तापक्रमलाई नियन्त्रण गर्दछ।
भाषा: en, zh
आवाज क्लोन गर्नुहोस्Spark TTS
आवाज क्लोनिंग TTS संग नियन्त्रित भावना र प्रोम्ट्स मार्फत बोल्ने शैली.
भाषा: en, zh
आवाज क्लोन गर्नुहोस्GPT-SoVITS
केही-छाप आवाज क्लोनिंग TTS अडियो को केवल5सेकेन्ड देखि कुनै पनि आवाज प्रतिलिपि गर्दछ।
भाषा: en, zh, ja, ko
आवाज क्लोन गर्नुहोस्Chatterbox
यसले वायुमण्डलमा रहेको अक्सिजनको मात्रालाई नियन्त्रणमा राख्न मद्दत गर्दछ।
भाषा: en
आवाज क्लोन गर्नुहोस्Tortoise TTS
यसले बहु-भाषी शब्दकोष र बहु-भाषी शब्दकोषको विकासमा महत्वपूर्ण भूमिका खेलेको छ ।
भाषा: en
आवाज क्लोन गर्नुहोस्OpenVoice
शैली, भावना, र उच्चारण भन्दा ग्रेनलर नियन्त्रण संग तत्काल आवाज क्लोनिंग।
भाषा: en, zh, ja, ko, fr, es
आवाज क्लोन गर्नुहोस्VieNeu-TTS-v2
भिएतनाम + अंग्रेजी कोड-स्विचिंग TTS7प्रिसेट आवाज र शून्य-छाप आवाज क्लोनिंग संग। CPU-मात्र, कुनै GPU आवश्यक।
भाषा: vi, en
आवाज क्लोन गर्नुहोस्Chatterbox Turbo
यसको वजन लगभग 200 ग्राम हुन्छ र यसमा 100 भन्दा बढी खाद्य पदार्थहरू, जस्तै फल, तरकारी, र माछाहरू पाइन्छन्।
भाषा: en
आवाज क्लोन गर्नुहोस्Pocket TTS
Lightweight 100M parameter model by Kyutai with voice cloning from a single sample.
भाषा: en, fr
आवाज क्लोन गर्नुहोस्CosyVoice3
यसमा बहुभाषिक TTS, भावना नियन्त्रण, र शून्य-शट आवाज क्लोनिंग समावेश छ।
भाषा: en, zh, ja, ko, de, es, fr, it, ru
आवाज क्लोन गर्नुहोस्NAMAA Saudi TTS
पहिलो खुला सऊदी अरब-अरबी TTS। Chatterbox-गुणस्तर आवाज क्लोनिंग संग मूल सऊदी बोली।
भाषा: ar
आवाज क्लोन गर्नुहोस्Darwin TTS
यसमा ३.७ मेगाहर्जको माइक्रोफोन र ३.७ मेगाहर्जको माइक्रोफोनको साथमा एक माइक्रोफोनको साथमा एक माइक्रोफोनको साथमा एक माइक्रोफोनको साथमा एक माइक्रोफोनको साथमा एक माइक्रोफोन छ।
भाषा: en, ko, ja, zh
आवाज क्लोन गर्नुहोस्MOSS-TTSD
यसमा एक पटकमा ५ देखि १० जनासम्म सहभागी हुन सक्ने गरी कार्यक्रमको आयोजना गरिएको छ ।
भाषा: en, zh
आवाज क्लोन गर्नुहोस्Ming-Omni TTS
यसको क्षेत्रफल ५४.४१ वर्ग किलोमिटर छ भने जनसङ्ख्या ४४,४४१ रहेको छ ।
भाषा: en, zh
आवाज क्लोन गर्नुहोस्MOSS-TTS Nano
यसको क्षेत्रफल ८० वर्ग किलोमिटर (३८ वर्ग माइल) रहेको छ ।
भाषा: en, zh, de, es, fr, ja, it, ko, ru, ar, pt
आवाज क्लोन गर्नुहोस्विकासकर्ता-पहिलो API
OpenAI-संगत REST API। एक अन्त बिन्दु, 22+ मोडेल। वास्तविक समय अनुप्रयोगहरूको लागि स्ट्रिमिङ समर्थन।
- खुला AI-संगत ढाँचा
- वास्तविक-समय अनुप्रयोगहरूका लागि स्ट्रिमिङ TTS
- ठूला कामका लागि ब्याच प्रक्रिया
- वेबहुक सूचना
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")सरल, पारदर्शी मूल्य
निःशुल्क सुरु गर्नुहोस् । तपाईँ बढ्दै जाँदा मापन गर्नुहोस् ।
स्वतन्त्र
१५,००० क्यारेक्टर + ५,०००/दिन
- 7 Kokoro सहित निःशुल्क मोडेल
- प्रति पुस्ता ५,००० क्यारेक्टर
- API पहुँच समावेश गरिएको छ
सुरुआतकर्ता
500 क्रेडिट / महिना
- सबै २२+ नमूनाहरू
- प्रति पुस्ता १००,००० क्यारेक्टर
- आवाज क्लोनिङ
प्रो
2,000 क्रेडिट / महिना
- सुरुआतकर्तामा सबै कुरा
- API पहुँच
- प्राथमिकता प्रक्रिया
व्यवसाय
10,000 क्रेडिट / महिना
- प्रो मा सबै कुरा
- ठूलो API
- प्राथमिकता लाम
प्राय सोधिने प्रश्नहरू
हामी के सुधार गर्न सक्छन्? आफ्नो प्रतिक्रिया हामीलाई समस्या समाधान गर्न मद्दत गर्दछ.
आज AI आवाज प्रयोग गर्न सुरु गर्नुहोस्
TTS.ai प्रयोग गरेर निर्माता, विकासकर्ता र व्यवसायहरूमा सामेल हुनुहोस्