Mir maachen dat D'Stëmm vum Mënsch

Hëlleft TTS fir all Sprooch ze bauen

Mir brauchen nëmmen 2 Stonnen Opnamen pro Sprooch fir e TTS-Modell ze trainéieren. Maacht mat, fir e gratis, Open-Source Text-to-Speech fir all 100 Sproochen ze kreéieren.

32 Ënnerstëtzt Sproochen 68 Sproochen brauchen Är Hëllef
1

Rekord

Liest Sätz an Ärer Sprooch mat Ärem Mikrofon. All Opnam dauert 5-15 Sekonnen.

2

Den Trainer

Nodeems mir méi wéi 2 Stonnen u qualitativ héichwäertege Opnamen pro Sprooch gesammelt hunn, stellen mir e TTS-Modell op Basis vun de Daten zesummen.

3

Den Haaptuert ass Tous.

The trained model becomes available on TTS.ai for free. Contributors earn 1,000 characters per accepted recording.

Sproocheprogress

Afrikaans
0.0h / 20h 0 Helfer
Albanian
0.0h / 20h 0 Helfer
Amharic
0.0h / 20h 0 Helfer
Armenian
0.0h / 20h 0 Helfer
Assamese
0.0h / 20h 0 Helfer
Azerbaijani
0.0h / 20h 0 Helfer
Basque
0.0h / 20h 0 Helfer
Belarusian
0.0h / 20h 0 Helfer
Bengali
0.0h / 20h 0 Helfer
Bosnian
0.0h / 20h 0 Helfer
Bulgarian
0.0h / 20h 0 Helfer
Burmese
0.0h / 20h 0 Helfer
Catalan
0.0h / 20h 0 Helfer
Chichewa
0.0h / 20h 0 Helfer
Croatian
0.0h / 20h 0 Helfer
Esperanto
0.0h / 20h 0 Helfer
Estonian
0.0h / 20h 0 Helfer
Filipino
0.0h / 20h 0 Helfer
Galician
0.0h / 20h 0 Helfer
Gujarati
0.0h / 20h 0 Helfer
Haitian Creole
0.0h / 20h 0 Helfer
Hausa
0.0h / 20h 0 Helfer
Hebrew
0.0h / 20h 0 Helfer
Igbo
0.0h / 20h 0 Helfer
Indonesian
0.0h / 20h 0 Helfer
Irish
0.0h / 20h 0 Helfer
Javanese
0.0h / 20h 0 Helfer
Kannada
0.0h / 20h 0 Helfer
Khmer
0.0h / 20h 0 Helfer
Kinyarwanda
0.0h / 20h 0 Helfer
Kurdish
0.0h / 20h 0 Helfer
Kyrgyz
0.0h / 20h 0 Helfer
Lao
0.0h / 20h 0 Helfer
Latvian
0.0h / 20h 0 Helfer
Lithuanian
0.0h / 20h 0 Helfer
Luxembourgish
0.0h / 20h 0 Helfer
Macedonian
0.0h / 20h 0 Helfer
Malagasy
0.0h / 20h 0 Helfer
Malay
0.0h / 20h 0 Helfer
Malayalam
0.0h / 20h 0 Helfer
Maltese
0.0h / 20h 0 Helfer
Maori
0.0h / 20h 0 Helfer
Marathi
0.0h / 20h 0 Helfer
Mongolian
0.0h / 20h 0 Helfer
Odia
0.0h / 20h 0 Helfer
Pashto
0.0h / 20h 0 Helfer
Persian
0.0h / 20h 0 Helfer
Punjabi
0.0h / 20h 0 Helfer
Shona
0.0h / 20h 0 Helfer
Sindhi
0.0h / 20h 0 Helfer
Sinhala
0.0h / 20h 0 Helfer
Slovenian
0.0h / 20h 0 Helfer
Somali
0.0h / 20h 0 Helfer
Sundanese
0.0h / 20h 0 Helfer
Tajik
0.0h / 20h 0 Helfer
Tamil
0.0h / 20h 0 Helfer
Tatar
0.0h / 20h 0 Helfer
Telugu
0.0h / 20h 0 Helfer
Thai
0.0h / 20h 0 Helfer
Turkmen
0.0h / 20h 0 Helfer
Urdu
0.0h / 20h 0 Helfer
Uyghur
0.0h / 20h 0 Helfer
Uzbek
0.0h / 20h 0 Helfer
Welsh
0.0h / 20h 0 Helfer
Xhosa
0.0h / 20h 0 Helfer
Yiddish
0.0h / 20h 0 Helfer
Yoruba
0.0h / 20h 0 Helfer
Zulu
0.0h / 20h 0 Helfer
Arabic
Verfügbar
Chinese
Verfügbar
Czech
Verfügbar
Danish
Verfügbar
Dutch
Verfügbar
English
Verfügbar
Finnish
Verfügbar
French
Verfügbar
Georgian
Verfügbar
German
Verfügbar
Greek
Verfügbar
Hindi
Verfügbar
Hungarian
Verfügbar
Icelandic
Verfügbar
Italian
Verfügbar
Japanese
Verfügbar
Kazakh
Verfügbar
Korean
Verfügbar
Nepali
Verfügbar
Norwegian
Verfügbar
Polish
Verfügbar
Portuguese
Verfügbar
Romanian
Verfügbar
Russian
Verfügbar
Serbian
Verfügbar
Slovak
Verfügbar
Spanish
Verfügbar
Swahili
Verfügbar
Swedish
Verfügbar
Turkish
Verfügbar
Ukrainian
Verfügbar
Vietnamese
Verfügbar

Eng Opnam bäidroen

Erstellt e gratis Konto fir mat Ärer Stëmm bäizedroen. Är Opnamen hëllefen, gratis TTS-Modeller fir jiddereen ze bauen.

Aschreiwen fir matzemaachen

Sprecht Dir schonn eng ënnerstëtzt Sprooch?

Dir kënnt nach ëmmer bäidroen andeems Dir Är Stëmm mat aneren deelt. Luet eng Stëmmopnam erop a loosst d'Gemeinschaft Är Stëmm fir hir TTS-Projeten klonen.

Häufig gestallte Froen

De Programm fir Stëmmbeiträg erlaabt Iech kuerz Stëmmopnamen ze spenden, fir ze hëllefen, gratis, Open-Source TTS-Modeller fir Sproochen ze bauen, déi momentan keng Ënnerstëtzung hunn. Är Opnamen hëllefen, KI-Modeller ze trainéieren, déi jiddereen benotze kann.

Wielt Är Sprooch aus, a liest dann Sätz mat Ärem Mikrofon. All Opnam ass 5-15 Sekonnen laang. Dir kënnt sou vill oder wéineg Opnamen bäidroen, wéi Dir wëllt. All akzeptéiert Opnamen ginn fir d'Training vun engem gratis TTS-Modell fir Är Sprooch benotzt.

Akzeptéiert Opnamen ginn ausschliisslech fir Open-Source-Sproocherkennungsmodeller ze trainéieren benotzt. D'trainéiert Modeller sinn ënner der Apache 2.0 Lizenz op GitHub a HuggingFace verëffentlecht. Är Opnamen ginn net verkaaft oder mat anere gedeelt. D'Mataarbechter ginn an der Modellverëffentlechung ernimmt.

Mir ënnerstëtzen derzäit 32 Sproochen mat TTS-Modeller. D'verbleiwen 68 Sproochen op eiser Websäit brauchen Stëmmdaten vun der Gemeinschaft. D'Beitragssäit weist eng Fortschrittsleiste fir all Sprooch - Sproochen déi méi no un hiren Zilzäiten sinn, kréien Prioritéit fir Training.

Mir zielen op 20 Stonnen Opnamen pro Sprooch fir e gutt Single-Speaker-Modell. Mat 100+ Mataarbechter, déi all 10-15 Minutten ophuelen, kënne mir dëst Zil erreechen. Och kleng Bäiträg hëllefen — all Opnam bréngt eis méi no.

Ja! D'Beiträg kréien 1.000 Zeechen fir all akzeptéiert Opnam. Déi bescht Betragsleeder kréien e "Voice Pioneer" Badge a ginn op dem trainéierte Modell kreditéiert. Dir kritt och fréie Zougang zu Ärem Sprooch-TTS-Modell virum ëffentlechen Release.

Ja! Méi Daten verbesseren d'Qualitéit. Beiträg fir ënnerstëtzt Sproochen hëllefen eis Multi-Sprecher Modeller mat méi Stimm Varietéit, besser Akzenter, a verbessert Natierlechkeet ze bauen.

E rouege Raum an e Mikrofon - och e Telefon oder Laptop-Mikrofon funktionnéiert. Fir déi bescht Qualitéit, benotzt en Headset oder USB-Mikrofon. Vermeit Hannergrondrauschen, Echo a méi Lautsprecher. D'System wäert Är Audioqualitéit iwwerpréiwen ier et akzeptéiert.

All Opnam geet duerch automatesch Qualitéitskontrollen: Signal-Rausch-Verhältnis (SNR > 20dB), Whisper-Transkriptioun, déi mat der erwaarten Sëtzung entsprécht, Dauer am Zilberäich, an Erkennung vun engem eenzege Sprecher. Opnamen, déi net funktionéieren, kënne rëm opgeholl ginn.

Dir kënnt d'Interface fir d'Beiträg ouni Kont gesinn, awer d'Opnamen sinn mat Ärem TTS.ai-Kont verbonnen, sou datt mir Iech korrekt kreditéiere kënnen an Är Bäiträg verfolgen. D'Registréierung ass gratis an dauert 30 Sekonnen.

Wann eng Sprooch genuch Daten akkumuléiert huet (normalerweis 20+ Stonnen), fänkt eist Team un e Modell ze trainéieren. D'Training dauert 1-2 Wochen op eisem GPU-Cluster. De resultéierende Modell gëtt getest, op HuggingFace ënner Apache 2.0 verëffentlecht an zu TTS.ai bäigefüügt fir jiddereen ze benotzen.

Ja. D'Dashboard weist fir all Sprooch e Fortschrittsbalken, dorënner d'Gesamtzuel vun den Opnamen, d'gesammelte Stonnen, d'Zuel vun de Mataarbechter an de Prozentsaz vum Trainingsziel. Dir kënnt och Är perséinlech Statistiken iwwer Är Mataarbechter gesinn.
5.0/5 (1)

What could we improve? Your feedback helps us fix issues.

Wëllt Dir ufänken?

Eng Kreditkaart ass net néideg.