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.

Giảm tỷ lệ lỗi ký tự thấp nhất trong các mô hình TTS mã nguồn mở.

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 sao chép giọng nói, giọng nói sẵn sàng, và thiết kế giọng nói từ văn bản.

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.

Streaming-first conversational TTS với đối thoại đa người nói và các dấu hiệu paralinguistic.

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

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

Zero-hallucination TTS với text-acoustic dual alignment, 5x nhanh hơn so với LLM TTS tương đương.

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.

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.