Fritt AI Text till tal

Lättviktig 82M parametermodell som levererar studio-kvalitet tal med flammande-snabb slutledning.

En snabb, lokal neural text till talsystem optimerad för Raspberry Pi och inbyggda enheter.

Villkorlig variantal autoencoder med kontradiktorisk inlärning för end-to-end text-to-talk.

Högkvalitativ flerspråkig text-till-tal som körs på CPU med minimal latens.

Transformatorbaserad text-till-audio modell som genererar realistiska tal, musik och ljudeffekter.

Lättare version av Bark med snabbare slutledning och lägre minnesanvändning.

Alibaba skalbara strömmande TTS med mänsklig-paritet naturlighet och nära-noll latency.

Flertaltalsdialogruta generation modell som skapar naturliga samtal mellan talare.

Beskriv den röst du vill ha i naturligt språk och Parler genererar matchande tal.

Uppnåter den lägsta felfrekvensen för tecken bland TTS-modeller med öppen källkod.

Noll-shot TTS med finkornig känslokontroll och hög uttrycksfullhet.

Röstkloning TTS med kontrollerbara känslor och talstil via samtal.

Få skott röst kloning TTS som replikerar någon röst från bara 5 sekunder av ljud.

Känslomässig TTS-modell tränad på 100K timmars taldata.

Toppmodern nollshotad röstkloning med känslokontroll från Resemble AI.

Flera rösttext-till-tal fokuserade på kvalitet med autoregressiv arkitektur.

Mänsklig nivå text-till-tal genom stilspridning och kontradiktorisk träning.

Omedelbar röst kloning med granulär kontroll över stil, känslor och accent.

Alibabas flerspråkiga TTS med röstkloning, förinställda röster och röstdesign från text.

Konversationstal modell som genererar naturlig dialog med lämplig timing och känslor.

Snabbare Chatterbox med sub-200ms latens och paralinguistiska taggar för skratt, hosta och mycket mer.

Strömmande-första konversations-TTS med flertalsdialog och paralinguistiska signaler.

Tokenizer-fri TTS som producerar 44,1kHz ljud med sammanhangsmedveten styckekonsistens.

LLM-baserade TTS som körs på CPU, GPU, eller webbläsare via lama.cpp och Transformers.js.

Noll-hallucination TTS med textakustisk dubbeljustering, 5x snabbare än jämförbara LLM TTS.

Microsoft modell för lång form multi-högtalare innehåll som podcasts och ljudböcker.

Lätt 100M parameter modell av Kyutai med röst kloning från ett enda prov.

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.