Ledig AI Tekst til tale

En modell med en lettvekts 82M-parameter som leverer studio-kvalitetstale med hurtig blending.

En rask, lokal neural tekst til talesystemet som er optimalisert for Raspberry Pi og innebygd utstyr.

Betinget variasjon i autoencoder med antagonistisk læring for ende-til-ende tekst-til-tale.

Høykvalitets flerspråklig tekst-til-tale som kjører på CPU med minimal latens.

Transformer-basert tekst-til-lyd-modell som genererer realistisk tale, musikk og lydeffekter.

Lysere versjon av Bark med raskere unøyaktighet og lavere minnebruk.

Alibaba skalerbare streaming TTS med menneskelig-paritet naturlighet og nær-null latency.

Generasjonsmodell med flere høyttalere som skaper naturlige samtaler mellom høyttalere.

Beskriv stemmen du vil ha i naturlig språk, og Parler genererer tilsvarende tale.

TTS uten skudd med finkornet følelseskontroll og høy ekspressivitet.

Stemmekloning TTS med styrbare følelser og talestil via spørsmål.

Få skuddsstemme kloning TTS som replikerer enhver stemme fra bare 5 sekunders lyd.

Emosjonell TTS-modell på menneskenivå, opplært på 100 K timers taledata.

Det nåværende utviklingstrinn i teknikken «null-skudds-tale kloning» med følelseskontroll fra AI-enheten som kan gjenopprettes.

Tekst til tale med flere tale, med fokus på kvalitet med autoregressiv arkitektur.

Tekst-til-tale på menneskenivå gjennom style diffusion og antagonistisk opplæring.

Øyeblikkelig stemmekloning med granulert styring av stil, følelser og aksent.

Alibabas flerspråklige TTS med forhåndsinnstilte stemmer og stemmedesign fra tekst.

Vietnamesisk + engelsk kodeskifting TTS med 7 forhåndsinnstilte stemmer og null- skudds stemmekloning. CPU- bare, trenger ikke GPU.

Samtalebasert talemodell som skaper naturlig dialog med passende tidspunkter og følelser.

Raskere Chatterbox med sub-200ms latency og paralinguistiske tagger for latter, hoster, og mer.

Tokenizer-fri TTS som produserer 44,1 kHz lyd med punktkonsistens med hensyn til kontekst.

Ultra-lettvekts 400M engelsk TTS-modell som kjører i bare 3GB VRAM.

LLM-basert TTS som kjører på CPU, GPU eller nettleser via llama.cpp og Transformers.js.

Microsoft-modell for langformet flertalerinnhold som podkaster og lydbøker.

Lettvekts-parametermodell på 100 M av Kyutai med talekloning fra én enkelt prøve.

Ultra- lettvekts TTS under 80 MB. Kjører på CPU uten GPU.

Neste generasjons flerspråklige TTS med to-strømmers kontroll, følelseskontroll og null-skudds-talekloning.

Første åpne Saudi- Arabiske TTS. Native Saudi- dialekt med talekloning av Chatterbox- kvalitet.

Tverrmodal Qwen3-TTS-variant med FFN-vekter blandet fra Qwen3-1,7B-språkmodellen for skarpere flerspråklig kloning.

Fortsatt dialog med flere høyttalere – lag podkastsamtaler med opptil 5 høyttalere og 60 minutter sammenhengende lyd.

Kompakt 0.5B talemodell med alle transportsystemer fra inkluderingAI med høy troverdighet på 44,1 kHz og null-shot-talekloning.

Liten 100M M MOSS-TTS-variant — samme arkitektur, 80 x mindre latens på fritt nivå.