وړیا AI ليکنه وينا ته
31+ خلاص سرچینه ماډلونه، 231+ غږونه، 34+ ژبې. نه حساب ته اړتيا ده.
هرڅه چې تاسو د غږ AI لپاره اړتیا لرئ
30+ وسیلې د خلاص سرچینې AI ماډلونو لخوا چلول کیږي
31+ AI غږ نمونې
په یوه پلیټ فارم کې د خلاصې سرچینې TTS ماډلونو ترټولو پراخه ټولګه
Kokoro Free
کوکورو د 82 ملیون پارامتر متن-to-speech ماډل دی چې د خپل وزن ټولګي څخه پورته ښه ټوټې کوي. د دې کوچني اندازې سره سره، دا د پام وړ طبیعي او څرګند وینا تولیدوي. کوکورو د انګلیسي، جاپاني، چینایي، او کوریایي په شمول ډیری ژبې ملاتړ کوي چې د څرګندو غږونو سره مختلف دي. دا په حیرانتیا سره چټک دی - په GPU کې د ریښتیني وخت څخه نږدې 100x غږ تولیدوي.
د: لپاره غوره د لوړ کیفیت TTS د لږترلږه latency سره، د جریان غوښتنلیکونه
ازموېل وړیا
Piper Free
پیپر د Rhasspy لخوا رامینځته شوی یو لږ وزن لرونکی متن دی چې د VITS او larynx معمارۍ کاروي. دا په بشپړ ډول په CPU کې چلیږي، دا د edge وسیلو، کور اتومات، او غوښتنلیکونو لپاره مثالی کوي چې آفلاین TTS ته اړتیا لري. د 30 + ژبو په اوږدو کې د 100 غږونو سره، پیپر حتی د Raspberry Pi 4 کې د ریښتیني وخت سرعت کې طبیعي غږیز وینا وړاندې کوي.
د: لپاره غوره چټکې مخليدنې، لاسرسي، او نښلول شوي کاريالونه
ازموېل وړیا
VITS Free
VITS (د پای څخه تر پای پورې د متن څخه د خبرو اترو لپاره د مقابلې زده کړې سره توپیر) یو موازي پای ته رسیدلی TTS میتود دی چې د اوسني دوه مرحلو ماډلونو په پرتله ډیر طبیعي غږیز غږ رامینځته کوي. دا د عادي جریانونو او د مقابلې روزنې پروسې سره د توپیر استنباط غوره کوي، په طبیعي کې د پام وړ ښه والی ترلاسه کوي.
د: لپاره غوره د طبیعي پروسوډي سره عمومي موخه ليکنه- په- وينا
ازموېل وړیا
MeloTTS Free
د MyShell.ai لخوا MeloTTS یو څو ژبنی TTS کتابتون دی چې د انګلیسي (امریکایی، برتانوي، هند، آسټرالیا)، هسپانوي، فرانسوي، چینایي، جاپاني، او کوریایي ملاتړ کوي. دا خورا ګړندی دی، یوازې د CPU په نږدې ریښتیني وخت سرعت کې د متن پروسس کول. MeloTTS د تولید کارولو لپاره ډیزاین شوی او د CPU او GPU دواړو استنباط ملاتړ کوي.
د: لپاره غوره د تولید غوښتنلیکونه چې د چټک، څو ژبو TTS ته اړتیا لري
ازموېل وړیا
OuteTTS Free
OuteTTS د متن-to-speech وړتیاو سره د لوی ژبې ماډلونه پراخوي پداسې حال کې چې اصلي معمارۍ ساتي. دا د lama.cpp (CPU / GPU) ، د مخ د مخ ترمیم ، ExLlamaV2 ، VLLM ، او حتی د بریښنالیک بریښنالیک له لارې د بریښنالیک بریښنالیک له لارې د بریښنالیک بریښنالیک ملاتړ کوي.
د: لپاره غوره د edge پلي کول، د بریښنالیک پر بنسټ TTS، د ټیټ سرچینو چاپیریال
ازموېل وړیا
Pocket TTS Free
د Kyutai لخوا د پوک TTS (د Moshi جوړونکي) یو کمپیکٹ 100M پارامتر متن-to-speech ماډل دی چې د خپل وزن څخه پورته ښه پوښي. دا په CPU کې په موثره توګه چلیږي، د یو واحد آډیو نمونې څخه د صفر-شوت غږ کلونینګ ملاتړ کوي، او طبیعي غږیز وینا تولیدوي. د کوچني ماډل اندازه دا د څنډې ویش او ټیټ سرچینو چاپیریال لپاره مثالی کوي.
د: لپاره غوره د رڼا ویش، یوازې CPU چاپیریال، د غږ ګړندی کلونینګ
ازموېل وړیا
Kitten TTS Free
Kitten TTS by KittenML is an ultra-lightweight text-to-speech model built on ONNX. With variants from 15M to 80M parameters (25-80 MB on disk), it delivers high-quality voice synthesis on CPU without requiring a GPU. Features 8 built-in voices, adjustable speech speed, and built-in text preprocessing for numbers, currencies, and units. Ideal for edge deployment and low-latency applications.
د: لپاره غوره Fast lightweight TTS, edge deployment, low-latency applications
ازموېل وړیا
Bark Standard
د ترانسپورت پر بنسټ د متن څخه غږیز ماډل چې واقعیت لرونکي وینا، موسیقۍ او غږ اغېزې تولیدوي.
: جوړوونکی Suno · : منښتليک MIT
هڅه کول
Bark Small Standard
سره د چټک استنباط او د حافظې د کارولو کم د Bark روښانه نسخه.
: جوړوونکی Suno · : منښتليک MIT
هڅه کول
CosyVoice 2 Standard
د Alibaba's scaleable streaming TTS د انساني مساوات طبیعي او نږدې صفر latency سره.
: جوړوونکی Alibaba (Tongyi Lab) · : منښتليک Apache 2.0
هڅه کول
Dia TTS Standard
د څو ويناوالو د خبرو اترو نسل ماډل چې د ويناوالو ترمنځ طبیعي خبرې اترې رامینځته کوي.
: جوړوونکی Nari Labs · : منښتليک Apache 2.0
هڅه کول
Parler TTS Standard
تاسو په طبیعي ژبه کې غواړئ غږ تشریح کړئ او Parler د مطابقت وینا تولیدوي.
: جوړوونکی Hugging Face · : منښتليک Apache 2.0
هڅه کول
GLM-TTS Standard
د خلاصې سرچینې TTS ماډلونو تر منځ تر ټولو ټیټه کرکټر غلطۍ کچه ترلاسه کوي.
: جوړوونکی Zhipu AI · : منښتليک GLM-4 License
هڅه کول
IndexTTS-2 Standard
صفر-شوت TTS سره fine-grained احساس کنټرول او لوړ expressivity.
: جوړوونکی Index Team · : منښتليک Bilibili Model License
هڅه کول
Spark TTS Standard
د غږ کلونینګ TTS سره د کنټرول وړ احساس او د پیغامونو له لارې د خبرو کولو سټایل.
: جوړوونکی SparkAudio · : منښتليک CC BY-NC-SA 4.0
هڅه کول
GPT-SoVITS Standard
څو-شوټ غږ کلونینګ TTS چې د غږ له یوازې 5 ثانیو څخه هر غږ تکراروي.
: جوړوونکی RVC-Boss · : منښتليک MIT
هڅه کول
Orpheus Standard
د انساني کچې احساساتي TTS ماډل د وینا د معلوماتو په 100K ساعتونو کې روزل شوی.
: جوړوونکی Canopy Labs · : منښتليک Llama 3.2 Community
هڅه کول
Qwen3 TTS Standard
Alibaba's multilingual TTS سره د غږ کلونینګ، preset غږونه، او د متن څخه د غږ ډیزاین.
: جوړوونکی Alibaba (Qwen) · : منښتليک Apache 2.0
هڅه کول
Chatterbox Turbo Standard
چټک Chatterbox د sub-200ms latency او paralinguistic توري د خندا، کولمو، او نور.
: جوړوونکی Resemble AI · : منښتليک MIT
هڅه کول
Dia 2 Standard
د ډرایو-پنځم خبرو اترو TTS سره د څو ويناوالو خبرو اترو او paralinguistic cues.
: جوړوونکی Nari Labs · : منښتليک Apache 2.0
هڅه کول
VoxCPM Standard
د Tokenizer-Free TTS تولید 44.1kHz آډیو سره د متن-aware پاراګراف مطابقت.
: جوړوونکی OpenBMB · : منښتليک Apache 2.0
هڅه کول
TADA Standard
د متن-آکوستیک دوه ګونی ترتیب سره صفر-هلوسن TTS، د LLM TTS څخه 5x ګړندی.
: جوړوونکی Hume AI · : منښتليک MIT
هڅه کول
VibeVoice Standard
د مایکروسافټ ماډل د اوږدې بڼې څو-څرګندونکو محتوا لکه پوډکاسټونه او آډیو کتابونه.
: جوړوونکی Microsoft · : منښتليک MIT
هڅه کول
CosyVoice3 Standard
Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.
: جوړوونکی Alibaba (FunAudioLLM) · : منښتليک Apache 2.0
هڅه کول
Chatterbox Premium
د Resemble AI څخه د احساس کنترول سره د state-of-the-art zero-shot غږ کلونینګ.
:څرنګوالی
هڅه کول
Tortoise TTS Premium
د څو غږونو متن-تر-غږ په کیفیت تمرکز کوي د اتوریګریفیک معمارۍ سره.
:څرنګوالی
هڅه کول
StyleTTS 2 Premium
د سټایل خپریدو او د مقابلې روزنې له لارې د انساني کچې متن څخه وینا ته.
:څرنګوالی
هڅه کول
OpenVoice Premium
د ګړندي غږ کلونینګ د سټایل، احساس، او ټینګار په اړه د غوړ کنټرول سره.
:څرنګوالی
هڅه کول
Sesame CSM Premium
د خبرو اترو ماډل چې د مناسب وخت او احساس سره طبیعي خبرو اترو ته وده ورکوي.
:څرنګوالی
هڅه کول
MOSS-TTS Premium
Ultra-long 20-language TTS supporting up to 1 hour of continuous generation with phoneme-level control.
:څرنګوالی
هڅه کول
MegaTTS3 Premium
ByteDance's sparse alignment TTS with adjustable intelligibility vs. speaker similarity.
:څرنګوالی
هڅه کولCosyVoice 2
د Alibaba's scaleable streaming TTS د انساني مساوات طبیعي او نږدې صفر latency سره.
: ژبې en, zh, ja, ko, fr, de, it, es
غږ کلونولGLM-TTS
د خلاصې سرچینې TTS ماډلونو تر منځ تر ټولو ټیټه کرکټر غلطۍ کچه ترلاسه کوي.
: ژبې en, zh
غږ کلونولSpark TTS
د غږ کلونینګ TTS سره د کنټرول وړ احساس او د پیغامونو له لارې د خبرو کولو سټایل.
: ژبې en, zh
غږ کلونولGPT-SoVITS
څو-شوټ غږ کلونینګ TTS چې د غږ له یوازې 5 ثانیو څخه هر غږ تکراروي.
: ژبې en, zh, ja, ko
غږ کلونولChatterbox
د Resemble AI څخه د احساس کنترول سره د state-of-the-art zero-shot غږ کلونینګ.
: ژبې en
غږ کلونولOpenVoice
د ګړندي غږ کلونینګ د سټایل، احساس، او ټینګار په اړه د غوړ کنټرول سره.
: ژبې en, zh, ja, ko, fr, de, es, it
غږ کلونولQwen3 TTS
Alibaba's multilingual TTS سره د غږ کلونینګ، preset غږونه، او د متن څخه د غږ ډیزاین.
: ژبې en, zh, ja, ko, de, fr, ru, pt, es, it
غږ کلونولChatterbox Turbo
چټک Chatterbox د sub-200ms latency او paralinguistic توري د خندا، کولمو، او نور.
: ژبې en
غږ کلونولVoxCPM
د Tokenizer-Free TTS تولید 44.1kHz آډیو سره د متن-aware پاراګراف مطابقت.
: ژبې en, zh
غږ کلونولOuteTTS
د LLM پر بنسټ TTS چې د CPU، GPU، یا د مرورګر له لارې د llama.cpp او Transformers.js له لارې چلیږي.
: ژبې en
غږ کلونولPocket TTS
د Kyutai لخوا د یو واحد نمونې څخه د غږ کلون کولو سره د 100M پارامتر ماډل.
: ژبې en, fr
غږ کلونولCosyVoice3
Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.
: ژبې en, zh, ja, ko, de, es, fr, it, ru
غږ کلونولMOSS-TTS
Ultra-long 20-language TTS supporting up to 1 hour of continuous generation with phoneme-level control.
: ژبې en, zh, de, es, fr, ja, it, hu, ko, ru, fa, ar, pl, pt, cs, da, sv, el, tr
غږ کلونولMegaTTS3
ByteDance's sparse alignment TTS with adjustable intelligibility vs. speaker similarity.
: ژبې en, zh
غږ کلونولپرمخبيونکی لومړی API
OpenAI-متوافق REST API. یو پای ټکی، 22+ ماډلونه. د ریښتیني وخت غوښتنلیکونو لپاره د سټرینګ ملاتړ.
- OpenAI سره سمون لرونکی بڼه
- د رښتينې مهال کاريالونو لپاره ټي ټي اېس لېږل
- د لویو دندو لپاره ډله پروسس
- خبرتياوې Webhook
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")ساده، شفاف قیمتونه
وړیا پیل کړئ. اندازه کړئ لکه څنګه چې تاسو وده کوئ.
وړیا
50 کرېډیټونه
- Kokoro, Piper, VITS, MeloTTS
- ۵۰۰ لوښه حد
- 3 جن / ساعت (هېڅ حساب)
پرو
2,000 کریډیټونه / میاشت
- په پېلوونکي کې هرڅه
- لاسرسی API
- لومړیتوب بهير
ډېرې پوښتنې
What could we improve? Your feedback helps us fix issues.
نن د AI غږ کارولو سره پیل کړئ
د TTS.ai په کارولو سره جوړونکي، جوړونکي، او سوداګرۍ سره یوځای شئ