Free AI Văn bản sang Giọng nóiComment

Mô hình tham số nhẹ 82M cung cấp giọng nói chất lượng phòng thu với suy luận nhanh chóng.

Một hệ thống chuyển đổi văn bản sang giọng nói nhanh, cục bộ được tối ưu hóa cho Raspberry Pi và các thiết bị được tích hợp.

Conditional variation autoencoder với học hỏi đối kháng cho text-to-speech từ đầu đến cuối.

Text-to-speech đa ngôn ngữ chất lượng cao chạy trên CPU với thời gian đợi tối thiểu.

Mô hình text-to-audio dựa trên Transformer tạo ra giọng nói, âm nhạc và hiệu ứng âm thanh thực tế.

Phiên bản nhẹ hơn của Bark với suy luận nhanh hơn và sử dụng bộ nhớ thấp hơn.

TTS streaming có thể mở rộng của Alibaba với sự tự nhiên của con người và độ trễ gần như bằng không.

Mô hình sinh ra đối thoại đa loa tạo ra các cuộc trò chuyện tự nhiên giữa các loa.

Mô tả giọng nói bạn muốn bằng ngôn ngữ tự nhiên và Parler sẽ tạo ra giọng nói tương ứng.

Zero-shot TTS với kiểm soát cảm xúc tinh tế và khả năng biểu cảm cao.

TTS sao chép giọng nói với cảm xúc kiểm soát và phong cách nói thông qua lời nhắc.

TTS sao chép giọng nói vài lần sao chép bất kỳ giọng nói nào chỉ từ 5 giây âm thanh.

Mô hình TTS cảm xúc ở mức độ con người được huấn luyện trên 100K giờ dữ liệu nói.

Kỹ thuật sao chép giọng nói không bắn với điều khiển cảm xúc từ Resemble AI.

Text-to-speech đa giọng tập trung vào chất lượng với kiến trúc tự hồi quy.

Text-to-speech ở mức độ con người thông qua phong cách lan truyền và huấn luyện đối kháng.

Ký âm sao chép ngay lập tức với kiểm soát chi tiết về phong cách, cảm xúc và giọng nói.

TTS đa ngôn ngữ của Alibaba với giọng nói sẵn có và thiết kế giọng nói từ văn bản.

TTS đổi mã Việt Nam + Anh với 7 giọng nói sẵn có và sao chép giọng nói không cần chụp ảnh. Chỉ CPU, không cần GPU.

Mô hình nói chuyện tạo ra đối thoại tự nhiên với thời gian và cảm xúc thích hợp.

Chatterbox nhanh hơn với thời gian đợi dưới 200ms và các thẻ paralinguistic cho tiếng cười, ho, và nhiều hơn nữa.

Tokenizer-free TTS sản xuất âm thanh 44.1kHz với sự đồng nhất của đoạn văn nhận thức ngữ cảnh.

Mô hình TTS tiếng Anh siêu nhẹ 400M chạy trong chỉ 3GB VRAM.

TTS dựa trên LLM chạy trên CPU, GPU, hoặc trình duyệt qua llama.cpp và Transformers.js.

Microsoft model for long-form multi-speaker content như podcasts và audiobooks.

Mô hình tham số nhẹ 100M của Kyutai với sao chép giọng nói từ một mẫu duy nhất.

TTS siêu nhẹ dưới 80MB. Chạy trên CPU không có GPU.

TTS đa ngôn ngữ thế hệ tiếp theo với bi-streaming, kiểm soát cảm xúc, và sao chép giọng nói zero-shot.

TTS Ả Rập Saudi mở đầu tiên. Phương ngữ Saudi bản địa với sao chép giọng nói chất lượng Chatterbox.

Cross-modal Qwen3-TTS biến thể với trọng lượng FFN trộn từ Qwen3-1.7B ngôn ngữ mô hình cho kiểu nhân bản đa ngôn ngữ sắc nét hơn.

Mô hình tiếp tục đối thoại đa loa — tạo ra các cuộc trò chuyện kiểu podcast với tối đa 5 loa và 60 phút âm thanh đồng nhất.

Compact 0.5B omni-modal speech model from inclusionAI với đầu ra 44.1kHz độ chính xác cao và sao chép giọng nói không bắn.

Tiny 100M MOSS-TTS variant — cùng kiến trúc, nhỏ hơn 80 lần, độ trễ tầng miễn phí.