IA livre Texto ao Discurso

Modelo de parâmetro leve 82M que fornece fala de qualidade de estúdio com inferência rápida e ardente.

Um texto neural rápido e local para o sistema de fala otimizado para Raspberry Pi e dispositivos incorporados.

Autoencodador variacional condicional com aprendizagem adversarial para texto a voz.

Texto para voz multilingue de alta qualidade que funciona na CPU com latência mínima.

Modelo text-to-audio baseado em transformadores que gera efeitos realistas de fala, música e som.

Versão mais leve de Bark com inferência mais rápida e menor uso de memória.

A escalable streaming TTS da Alibaba com naturalidade de paridade humana e latência perto de zero.

Modelo de geração de diálogo multi-falantes que cria conversas naturais entre alto-falantes.

Descreva a voz que você quer em linguagem natural e o Parler gera fala correspondente.

Alcança a menor taxa de erro de caráter entre os modelos de código aberto TTS.

TTS zero-hot com controle de emoções finamente cerâmico e alta expressividade.

Clonagem de voz TTS com emoção controlável e estilo de fala através de prompts.

Poucas vozes de clonagem TTS que replica qualquer voz a partir de apenas 5 segundos de áudio.

Modelo de TTS emocional de nível humano treinado em 100K horas de dados de fala.

Clonagem de voz de última geração com controle emotivo da IA Resemble.

Texto para voz multi-voz focado na qualidade com arquitetura autorregressiva.

Texto a voz humana através da difusão do estilo e do treinamento adversario.

clonagem de voz instantânea com controle granular sobre estilo, emoção e acento.

TTS multilingue da Alibaba com clonagem de voz, vozes predefinidas e design de voz a partir de texto.

Modelo de fala conversacional gerando diálogo natural com tempo e emoção adequados.

Chatterbox mais rápido com latência sub-200ms e tags paralinguísticos para rir, tosse e muito mais.

Streaming-primeiro TTS conversacional com diálogo multi-falantes e pistas paralinguísticas.

TTS sem tokenizador que produz áudio de 44,1kHz com consistência de parágrafos conscientes do contexto.

TTS baseado em LLM que funciona em CPU, GPU ou navegador via lama.cpp e Transformers.js.

TTS de halucinação zero com alinhamento duplo acústico-texto, 5x mais rápido do que o LLM TTS comparável.

Modelo Microsoft para conteúdo multi-falante de forma longa, como podcasts e audiobooks.

Modelo de parâmetro de 100M leve por Kyutai com clonagem de voz de uma única amostra.

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.