ಸಂಕೀರ್ಣತೆಗಾಗಿನ ಪಠ್ಯ

ನಮ್ಮ REST API ಯೊಡನೆ ಸಂರಚಿಸಬಹುದಾದಂತಹ ಅನ್ವಯಗಳನ್ನು ನಿರ್ಮಿಸು. ಸ್ವಾಭಾವಿಕ ಪಠ್ಯ, ಕ್ಯೂನಿಫಾರಂ, ವಾಕ್- ಪಠ್ಯ, ಮತ್ತು ನಿಮ್ಮ ಅನ್ವಯಗಳಿಗೆ ಆಪ್ಲೆಟ್‌ಗಳು, ಚ್ಯಾಟ್‌ಬಾಟ್‌ಗಳು, ಹಾಗೂ ಸಾಆಸ್ ಉತ್ಪಾದನೆಗಳು. ಓಪನ್ AFI- ಸಹಿತ ವಿನ್ಯಾಸ, 20+ ಮಾದರಿಗಳು, ಸರಳ ಒಗ್ಗೂಡಿಸುವಿಕೆಯನ್ನು ನಿರ್ಮಿಸು.

ಪ್ರಾಮಾಣಿಕವಾಗಿ ಮಾಡಿ ಚ್ಯಾಟ್‌ಬಾಟ್ಸ್Name ಧ್ವನಿ ಅನ್ವಯಗಳು ಸಾಸಾ ಉತ್ಪನ್ನಗಳು ಸ್ವಯಂಪತ್ತೆ

ಈಗ ಪ್ರಯತ್ನಿಸಿ

Kokoro, Pyper, VITS, MeloTTSರೊಂದಿಗೆ ಮುಕ್ತ
ನೀವು ಉತ್ಪಾದಿಸಿದ ಆಡಿಯೊವು ಇಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ
ನಿರ್ಮಿಸಲಾಗಿದೆ
0:00
ನಕಲಿಳಿಸು
ನಿಮ್ಮ ಸ್ನೇಹಿತರನ್ನು ಪ್ರೀತಿಸುತ್ತೀರಾ?
ರಿಚರ್ಡ್‌ ಟೈರ್‌: ವೈಯಕ್ತಿಕ ಉಪಯೋಗ. 550/% ನಲ್ಲಿನ ವ್ಯಾಪಾರೀ ಲೈಸನ್ಸ್

ವಿಕಸನಗಾರರಿಗಾಗಿ API ಸವಲತ್ತುಗಳು

ಧ್ವನಿ- ಮಾಡಬಹುದಾದಂತಹ ಅನ್ವಯಗಳನ್ನು ನಿರ್ಮಿಸಲು ಅಗತ್ಯವಿರುವ ಪ್ರತಿಯೊಂದು ಅನ್ವಯವೂName

ಸರಳವಾದ ರೈಪೈನ್‌PI

ಭಾಷಣವನ್ನು ಉತ್ಪಾದಿಸಲು ಒಂದು ಪ್ರೊಟೋಕಾಸ್ಟ್ ಕೋರಿಕೆ. Jonm, ಆಡಿಯೊ ಪ್ರತಿವರ್ತನೆ. HTTP ಅನ್ನು ಬೆಂಬಲಿಸುವ ಯಾವುದೇ ಪ್ರೋಗ್ರಾಮ್ ಭಾಷೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ. Name

ತೆರೆಯಬಹುದಾದAI- ಸಂಯೋಜಕ

Open AITS API ಗೆ ಹೊರ ಹಾಕಲಾದಂತಹ. ನಿಮ್ಮ base_url ಹಾಗು API ಕೀಲಿಯನ್ನು ಬದಲಾಯಿಸಿ —⁠ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕೋಡ್ ತಕ್ಷಣ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

24+ ಮಾದರಿಗಳು ಲಭ್ಯ

ಒಂದು API ಮೂಲಕ ಪ್ರತಿಯೊಂದು ನಮೂನೆಯನ್ನು ನಿಲುಕಿಸಿ. ಒಂದು ವ್ಯಾಪ್ತಿಯನ್ನು ಬದಲಾಯಿಸುವ ಮೂಲಕ ಮಾದರಿಗಳನ್ನು ಬದಲಾಯಿಸಿ. ಹೋಲಿಸು ಗುಣಮಟ್ಟ, ವೇಗ, ಮತ್ತು ಬೆಲೆಯನ್ನು ಹೋಲಿಸು

ಉಪ- ಸೀಸಲ್ ಲಾಟರಿ

Kokoro ಎಂಬುದು ಒಂದು ತಂತ್ರಜ್ಞಾನವಾಗಿದ್ದು, ಇದು 1 ಸೆಕೆಂಡ್‌ಕ್ಕಿಂತ ಕಡಿಮೆ ಸಮಯದಲ್ಲಿ ಧ್ವನಿಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಇದು ನೇರ ಸಂವಹನ ನಡೆಸುವ ಚಾಟ್‌ಬಾಟ್‌ಗಳು, ಧ್ವನಿ ಸಹಾಯಕರು ಮತ್ತು ಸಂವಾದಾತ್ಮಕ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಸೂಕ್ತವಾಗಿದೆ.

ಕ್ಲಿನ್ನಿಂಗ್‌ API

API ಮೂಲಕ ಯಾವುದೇ ಚಿಕ್ಕ ಆಡಿಯೋ ನಮೂನೆಯಿಂದ ಯಾವುದೇ ಧ್ವನಿಯನ್ನು ತೆಗೆಯಿರಿ. ನಂತರದ ಪೀಳಿಗೆಗಳಿಗೆ ತುಲನಾತ್ಮಕ ಧ್ವನಿಗಳನ್ನು ಬಳಸಿ.

ಬಹು ವಿನ್ಯಾಸಗಳು

ಪ್ರದಾನ (ಔಟ್ ಪುಟ್), WAV, MP3, OGG, ಅಥವಾ FLAC ನಂತಹ. ಸಾಫ್ಟ್ రేಟ್ ಹಾಗು బిట్‌ಡೇಟ್ ಗಾತ್ರವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ. ನಿಜವಾದ ಸಮಯ ಅನ್ವಯಗಳಿಗೆ ಆಡಿಯೊ ಬೆಂಬಲವನ್ನು ರೋಲಿಂಗ್ ಮಾಡಲಾಗುತ್ತಿದೆ.

ವಿಕಾಸಕವನ್ನು ಸಮನ್ವಯಗೊಳಿಕೆಗಾಗಿನ ಅತ್ಯುತ್ತಮ ಮಾದರಿಗಳು

ನಿನ್ನ ಅನ್ವಯದ ವೇಗ, ಗುಣಮಟ್ಟ, ಮತ್ತು ವೆಚ್ಚದ ಆವಶ್ಯಕತೆಗಳಿಗಾಗಿ ಬಲತಂಡವನ್ನು ಆಯ್ಕೆ ಮಾಡಿ

KokoroKokoro

Free

Lightweight 82M parameter model delivering studio-quality speech with blazing-fast inference.

ವೇಗ 5/5

ಇದಕ್ಕೆ ಉತ್ತಮ: ವೇಗದ ಮಾದರಿ - ಉಪ- ಕ್ಷಣಿಕ (ಅನ್ಸೆಂಟ್), ಚರ ಸಮಯ ಆಪ್ಲೆಟ್‌ಗಳಿಗೆ ಹಾಗು ಚ್ಯಾಟ್‌ಬಾಟ್‌ಗಳಿಗೆ ಸೂಕ್ತವಾಗಿದೆ

ಪ್ರಯತ್ನಿಸಿ Kokoro

CosyVoice 2CosyVoice 2

Standard

Alibaba's scalable streaming TTS with human-parity naturalness and near-zero latency.

ಮಧ್ಯಮ 5/5 ಧ್ವನಿ ಕೆರಳುವಿಕೆ

ಇದಕ್ಕೆ ಉತ್ತಮ: ಧ್ವನಿ ಸಹಾಯಕ ಅನ್ವಯಗಳಿಗೆ ಧ್ವನಿ ಕ್ಯೂನಿಫಾರಂ ಅನ್ನು ಹೊಂದಿರುವ TTS ಯನ್ನು ಸಮನ್ವಯಿಸುವುದುName

ಪ್ರಯತ್ನಿಸಿ CosyVoice 2

Sesame CSMSesame CSM

Premium

Conversational speech model generating natural dialogue with appropriate timing and emotion.

ನಿಧಾನ 5/5

ಇದಕ್ಕೆ ಉತ್ತಮ: ಚ್ಯಾಟ್‌ಬಾಟ್‌ ಮತ್ತು ಸಹಾಯಕ ಧ್ವನಿಗೆ ಸ್ವಾಭಾವಿಕ ಕಾಲವಲಯ (ಲಭ್ಯಾಸ) AI

ಪ್ರಯತ್ನಿಸಿ Sesame CSM

PiperPiper

Free

A fast, local neural text to speech system optimized for Raspberry Pi and embedded devices.

ವೇಗ 3/5

ಇದಕ್ಕೆ ಉತ್ತಮ: ಶೂನ್ಯ, ಸುಧಾರಿತ ಹಾಗೂ ಅತಿ ವ್ಯವಸ್ಥ್ಯಾ ಅನ್ವಯಗಳಿಗೆ ಶೂನ್ಯ, CPU- ಮಾತ್ರ ಮಾದರಿ

ಪ್ರಯತ್ನಿಸಿ Piper

BarkBark

Standard

Transformer-based text-to-audio model that generates realistic speech, music, and sound effects.

ನಿಧಾನ 4/5

ಇದಕ್ಕೆ ಉತ್ತಮ: ರಚನಾ ಮತ್ತು ಮನೋರಂಜನಾ ಆಪ್ಲೆಟ್‌ಗಳಿಗೆ ಧ್ವನಿ ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿರುವ ಧ್ವನಿ ಉತ್ಪತ್ತಿName

ಪ್ರಯತ್ನಿಸಿ Bark

ಟಿ. ವಿ.

ಗೂಢಚಾರದಿಂದ ಮೊದಲ API ಕರೆ 5 ನಿಮಿಷಗಳೊಳಗೆ

1

ನಿಮ್ಮ API ಕೀಲಿಯನ್ನು ಪಡೆದುಕೊಳ್ಳಿ

ನಿಮ್ಮ ಖಾತೆಯ (application) ಯಂತ್ರೋಪಕರಣಗಳಿಂದ ಒಂದು API ಕೀಲಿಯನ್ನು ಸಾಧಿಸಿ. 15,000 ಅಕ್ಷರಗಳನ್ನು ಸೇರಿಸಲಾಗಿದೆ.

2

ನಿಮ್ಮ ಪ್ರಥಮ ಕರೆಯನ್ನು ಮಾಡಿಕೊಳ್ಳಿ

/v1/tts ಗಾಗಿ ಪಠ್ಯ, ಮಾದರಿ, ಮತ್ತು ಧ್ವನಿಯನ್ನು ಬಳಸು. ಆಡಿಯೋ ಬೈಟ್‌ಗಳನ್ನು ಮರಳಿ ಪಡೆಯಿ. 5 ಸಾಲುಗಳಿಗೆ ಕೆಳಗೆ.

3

ನಿಮ್ಮ ಆದರ್ಶವನ್ನು ಆಯ್ಕೆಮಾಡಿ

ನಿಮ್ಮ ಉಪಯೋಗಕ್ಕಾಗಿ ಬೇರೆ ಬೇರೆ ಮಾದರಿಗಳನ್ನು ಪರೀಕ್ಷಿಸಿರಿ.

4

ಬಿಂಬಕ್ಕೆ ಶಿಪ್

ನಿಮ್ಮ ಇ- Y- k- go ಅಕ್ಷರಗಳೊಂದಿಗೆ ಅಳತೆ ಮಾಡಿ. ಹಣಸಂಗ್ರಹಿಸುವ ಯೋಜನೆಗಳ ಮೇಲೆ ದರ ಮಿತಿಗಳಿಲ್ಲ. ನಿಮ್ಮ ಡಾಷ್‌ಬೋರ್ಡರ್‌ನಲ್ಲಿ ಪ್ರದರ್ಶಕದ ಬಳಕೆಯನ್ನು ಆಲಿಸು.

ಶೀಘ್ರಪ್ರವೇಶಕ ಸಂಕೇತಗಳನ್ನು ಆರಂಭಿಸು

ನಮ್ಮ ಕಸ್ಟಮ್‌ ಆಪ್ಟ್‌ನೊಂದಿಗೆ ಯಾವುದೇ ಭಾಷೆಯಲ್ಲಿ TTS.ai ಮಂದಿಯನ್ನು ಎಕ್ಸ್‌ಕ್ರಿಪ್ಟರ್‌ ಮಾಡಿ

Python ಜನಪ್ರಿಯ
import requests

response = requests.post(
    "https://api.tts.ai/v1/tts",
    json={
        "text": "Hello from my app!",
        "model": "kokoro",
        "voice": "af_heart",
        "format": "mp3"
    },
    headers={
        "Authorization": "Bearer sk-tts-xxx"
    }
)

with open("output.mp3", "wb") as f:
    f.write(response.content)
JavaScript (Node.js) Node.js
const response = await fetch(
    "https://api.tts.ai/v1/tts",
    {
        method: "POST",
        headers: {
            "Content-Type": "application/json",
            "Authorization": "Bearer sk-tts-xxx"
        },
        body: JSON.stringify({
            text: "Hello from my app!",
            model: "kokoro",
            voice: "af_heart",
            format: "mp3"
        })
    }
);

const audio = await response.blob();
cURL ಸಾರ್ವತ್ರಿಕ
curl -X POST https://api.tts.ai/v1/tts \
  -H "Authorization: Bearer sk-tts-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from my app!",
    "model": "kokoro",
    "voice": "af_heart",
    "format": "mp3"
  }' \
  --output output.mp3
Open AI- ಸಂರಚಿಸಬಹುದಾದ ವಿನ್ಯಾಸ ಹೊರನಡೆ
# Works with OpenAI client library
from openai import OpenAI

client = OpenAI(
    api_key="sk-tts-xxx",
    base_url="https://api.tts.ai/v1"
)

response = client.audio.speech.create(
    model="kokoro",
    voice="af_heart",
    input="Hello from my app!"
)

response.stream_to_file("output.mp3")

ವಿಕಸನಗಾರರು TTS.ai ನೊಂದಿಗೆ ನಿರ್ಮಿಸುವ ಕೆಲಸ

ಸಾಮಾನ್ಯ ಏಕೀಕರಣ ಪದ್ಧತಿಗಳು ಹಾಗು ಅನ್ವಯಿಕಗಳು

AI ಚ್ಯಾಟ್‌ಬಾಟ್‌ಗಳು ಹಾಗು ಸಹಾಯಕಗಳು

ನಿಮ್ಮ ಚಾಟ್‌ಬಾಟ್ ಅಥವಾ AI ಸಹಾಯಕಕ್ಕೆ ಧ್ವನಿ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಸೇರಿಸಿ. ಟೆಕ್ಸ್ಟ್-ಟು-ಸ್ಪೀಚ್ (TTS) ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಿ, LLM (ಲಾರ್ಜ್ ಲಾಂಗ್ ಮಾಡೆಲ್) ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಧ್ವನಿ ರೂಪದಲ್ಲಿ ಪರಿವರ್ತಿಸಿ, ಧ್ವನಿ ఆధారಿತ ಇಂಟರ್ಫೇಸ್‌ಗಳನ್ನು ರಚಿಸಿ. Kokoro ತಂತ್ರಜ್ಞಾನವು ಅತ್ಯಂತ ಕಡಿಮೆ ವಿಳಂಬದೊಂದಿಗೆ (ಸುಮಾರು ಒಂದು ಸೆಕೆಂಡ್‌ಗಿಂತ ಕಡಿಮೆ) ನೈಜ-ಸಮಯದ ಸಂಭಾಷಣೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ. "ಸೆಸಮ್ CSM" ಎಂಬುದು సహಜವಾದ ಧ್ವನಿ ಮತ್ತು ಲಯವನ್ನು ಹೊಂದಿರುವ ಸಂಭಾಷಣಾತ್ಮಕ ಭಾಷಣವನ್ನು ಉತ್ಪಾದಿಸುವ ಒಂದು ತಂತ್ರಜ್ಞಾನ.

  • ಎಲ್‌ಎಮ್‌ಎಮ್‌ ಮಾತಿನ ಪೈಪೈನ್‌ಗೆ ಪ್ರತಿಕ್ರಿಯೆಯು
  • Kokoro ಬಳಸಿ, ಅತ್ಯಂತ ಕಡಿಮೆ ವಿಳಂಬ ಸಮಯವನ್ನು (ಸುಮಾರು ಒಂದು ಸೆಕೆಂಡ್‌ಗಿಂತಲೂ ಕಡಿಮೆ) ಪಡೆಯಬಹುದು.
  • ಸಾಂಸ್ಕೃತಿಕ ಸರ್‌ಎಮ್‌ರೊಂದಿಗೆ ಸಂಭಾಷಣಾ ಭಾಷಣName
  • ಆಡಿಯೊ ಔಟ್‌ಪುಟ್‌ ಅನ್ನು ಸ್ಟ್ರೀಮಿಂಗ್ ಮಾಡಲಾಗುತ್ತಿದೆ

ಬೋರ್ಡಿಂಗ್ ಹಾಗು ಧ್ವನಿ ಅಪಾಟುಗಳುName

ಶ್ರವ್ಯಾಂಶ (ಆಡಿಯೋ) ಸಾಧನಗಳು, ನಿಲುಕಣಾ ಸೌಲಭ್ಯಗಳು, ಓದು ಪ್ಲಾಟ್‌ಗಳು, ಮತ್ತು ಭಾಷೆ ಪ್ಲಾಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಿ. ನಮ್ಮ REST API ಯಾವುದೇ ಮೋಬೈಲ್ ಪ್ಲಾಟ್‌ನೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಆಡಿಯೋ ಕಡತಗಳನ್ನು ನೇರವಾಗಿ ಸೇವನಾರ್ಥಕಕ್ಕೆ ಹರಿಯುತ್ತದೆ.

  • ಸ್ಥಳೀಯ, ಫ್ಲೂಟರ್‌, ವೇಗ, ಕೊಟ್ಲಿನ್‌
  • ನಿಲುಕಣೆ (ಆಕ್ಸೆಸಿಬಿಲಿಟಿ) ಮತ್ತು ಓದುವಿಕೆ (ಆಪ್ಲೆಟ್) Name
  • ಭಾಷೆ ಕಲಿಯುವ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು
  • ಶ್ರವ್ಯಾಂಶ (ಆಡಿಯೋ) ಒಳಸಂಪರ್ಕ (ಆಡಿಯೋ) ಉತ್ಪತ್ತಿName

ಸಾಸಾ ಉತ್ಪನ್ನಗಳು

ನಿಮ್ಮ ಸಾಸ್ಸಾ ಉತ್ಪನ್ನದಲ್ಲಿ ಬಿಳಿ- ನಾಡಿನ ಧ್ವನಿ ಸಾಮರ್ಥ್ಯಗಳು. TTS, STT, ಕ್ಯೂನಿಫಾರಂ ಮತ್ತು ಧ್ವನಿ ಕಾರ್ಯಕ್ಷಮಗಳನ್ನು ನಿಮ್ಮ ವೇರಿಯೇಟ್‌ನಲ್ಲಿ ಸವಲತ್ತಾಗಿ ಸೇರಿಸಿ. GPU ಬಳಕೆಯನ್ನು ನಿರ್ವಹಿಸದೆ ನಮ್ಮ ಧ್ವನಿ ಬ್ಯಾಕೆಂಡ್ ಅನ್ನು ಬಳಸಿ.

  • ಬಿಳಿ- ಲಾಂಛನ ವೈಶಿಷ್ಟ್ಯಗಳು
  • ಯಾವುದೆ GPU ಸೌಲಭ್ಯದ ಅಗತ್ಯವಿಲ್ಲ
  • ಪ್ರತ್ಯೇಪಿಸು- ಬಳಸು
  • ನಿಮ್ಮ ಬಳಕೆದಾರರನ್ನು ನೀಡಲಿಕ್ಕಾಗಿ 20+ ಮಾದರಿಗಳುName

ಸ್ವಯಂ ಆರೋಹಣೆ ಚರಾಯಣ (ಇಂಟರ್ಫೇಸ್) NAME OF TRANSLATORS

ಸ್ವರವನ್ನು CI/ CD Picture ಗಳು, ಒಳವಿಷಯದ ಮೇಳೈಸುವಿಕೆ (ಆರ್ಕೈವ್), ಮತ್ತು ಸಮವಯಾಂಶ ಕಾರ್ಯಾಚರಣೆ (ಸರ್ಚ್ ಪ್ಲೇಸ್) ಎಂದು ವಿಭಜಕಗೊಳಿಸಿ. ಸ್ಪೇಡ್ ಡೇಟ್‌ಡ, ಸ್ವಾಭಾವಿಕ ಪೋಸ್ಟ್ ಉತ್ಪತ್ತಿ, ಅಥವ ಸ್ಥಳೀಯ ಪ್ಲೇಸ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಿ.

  • API ಮೂಲಕ ಸಂಸ್ಕರಿಸುವಿಕೆ
  • ವಿಷಯ ಸ್ಥಳೀಯಗೊಳಿಸುವಿಕೆ ಪ್ಲಾಟ್‌ಗಳು
  • CI/CD ಒಗ್ಗೂಡಿಕೆ
  • ಶ್ರವ್ಯಾಂಶ (ಆಡಿಯೋ) ಧೃಡೀಕರಿಸುವಿಕೆಗೆ (ಆಡಿಯೋ) ಹಾಳೆಗಳನ್ನು (ಟ್ರೇಸ್) ಹರಡುComment

API ವಿನಿರ್ದೇಶನಗಳು

ತಯಾರಿಕೆ ಅನ್ವಯಗಳಿಗೆ (ಡೆಫೆನಿಶನ್) ತಯಾರಿಸಲಾದName

20+

TTS ಮಾದರಿName

100+

ಧ್ವನಿಗಳು

30+

ಭಾಷೆಗಳುName

<1s

Latency (Kokoro)

ಅನೇಕವೇಳೆ ಪ್ರಶ್ನೆಗಳು

TTS.ai ವಿಕಸನಗಾರರ API ಬಗ್ಗೆ ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆಗಳು

ಹೌದು. ನಮ್ಮ API Open API ಆಡಿಯೋ ಧ್ವನಿ ಶೈಲಿಯನ್ನು ಅನುಸರಿಸುತ್ತದೆ. ನೀವು ಆದಾನವನ್ನು ಬಳಸುತ್ತಿದ್ದಲ್ಲಿ, TTS.ai ಕ್ಕೆ ಆದಾನ_url_ key ಗೆ ಬದಲಾಯಿಸುವ ಮೂಲಕ ನೀವು TTS.ai ಕ್ಕೆ ಬದಲಾಯಿಸಬಹುದು. ನಿಮ್ಮಲ್ಲಿರುವ ಸಂಕೇತವು ಮಾರ್ಪಾಟುವಿಲ್ಲದೆ ಕಾರ್ಯನಡೆಸುತ್ತದೆ.

Kokoro generates audio in under 1 second for typical sentences. CosyVoice 2 supports streaming output for even lower perceived latency. For chatbots and voice assistants, total round-trip time is typically 1-3 seconds depending on text length and model choice.

Free models (Kokoro, Piper, VITS, MeloTTS) are completely free. Standard models use 2x characters per 1K of text. Premium models use 4x characters per 1K of text. Sign up free with 15,000 characters. Plans start at $9/month for 500,000 characters.

ಖಂಡಿತ. ನಿಮ್ಮ ಧ್ವನಿಯನ್ನು ನಕಲು ಮಾಡಲು, ಮೊದಲಿಗೆ 5 ರಿಂದ 30 ಸೆಕೆಂಡುಗಳ ಒಂದು ಧ್ವನಿ ಮಾದರಿಯನ್ನು "ವಾಯ್ಸ್ ಕ್ಲೋನಿಂಗ್" ಎಂಡ್‌ಪಾಯಿಂಟ್‌ಗೆ ಅಪ್‌ಲೋಡ್ ಮಾಡಿ. ನಂತರ, ಆ ನಕಲಾದ ಧ್ವನಿಯ ಗುರುತನ್ನು (ಕ್ಲೋನ್ಡ್ ವಾಯ್ಸ್ ಐಡಿ) ನಿಮ್ಮ ಮುಂದಿನ ಟೆಕ್ಸ್ಟ್-ಟು-ಸ್ಪೀಚ್ (TTS) ವಿನಂತಿಗಳಲ್ಲಿ ಬಳಸಿ. "CosyVoice 2", "Chatterbox", "ಫಿಶ್ ಸ್ಪೀಚ್" ಮತ್ತು "GPT-SoVITS" ಮುಂತಾದ ಮಾದರಿಗಳು ಈ ಕಾರ್ಯವನ್ನು ಬೆಂಬಲಿಸುತ್ತವೆ.

ಫ್ರೀ ಬೋಟರ್ ಮೂಲಭೂತ ಶೇಖರಣೆ ಮಿತಿಯನ್ನು ಹೊಂದಿದ್ದಾರೆ (ಒಂದು ತಾಸಿಗೆ 3 ಮನವಿಗಳನ್ನು ಲೆಕ್ಕ ಹಾಕದೆ). ಪೈಡ್ ಪ್ಲಸ್ ಪ್ರೋಗ್ರಾಮ್‌ಗಳಿಗೆ ತಕ್ಕ ಉತ್ತಮ రేಟುಗಳಿವೆ. ಪ್ರೋಗ್ರಾಮ್ ಅನ್ನು ಉತ್ಪಾದನೆ ಹಂತಕ್ಕೆ ಸಂಪರ್ಕಿಸಿ.

WAV (ಸುಪ್ರಧಾನ, ಹೆಚ್ಚಿನ ಗುಣಮಟ್ಟ), MP3 (ಕಂಪಿಸಲ್ಪಟ್ಟಿದೆ, ಚಿಕ್ಕದಾದ ಕಡತಗಳು), OGG (ಪ್ರಕಾರಕ ಕ್ರಮ), ಮತ್ತು FLAC ಗಾಗಿ ನಿಮ್ಮ ಕೋರಿಕೆಯಲ್ಲಿ ನಮೂನೆಯನ್ನು ಸೂಚಿಸಿ. ಪೂರ್ವನಿಯೋಜಿತ WAV ಮಾದರಿಯ ಸಾಮಾನ್ಯ ನಮೂನೆಯಲ್ಲಿದೆ.

ಖಂಡಿತ. ನಮ್ಮ ಟಿಟಿಎಸ್ (TTS) ಎಪಿಐ ಅನ್ನು, ಭಾಷಣವನ್ನು ಪಠ್ಯವಾಗಿ ಪರಿವರ್ತಿಸುವ ಮಾದರಿಯೊಂದಿಗೆ (speech-to-text model) ಮತ್ತು ಒಂದು ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಯೊಂದಿಗೆ (LLM) ಸಂಯೋಜಿಸಿ, ಒಂದು ಸಂಪೂರ್ಣ ಧ್ವನಿ ಸಹಾಯಕ ವ್ಯವಸ್ಥೆಯನ್ನು (voice assistant pipeline) ನಿರ್ಮಿಸಬಹುದಾಗಿದೆ. "Kokoro" ಎಂಬುದು ಅತ್ಯಂತ ಕಡಿಮೆ ವಿಳಂಬವನ್ನು (sub-second latency) ಹೊಂದಿದ್ದು, ಇದು ನೈಜ-ಸಮಯ ಸಂಭಾಷಣೆಗಳಿಗೆ (real-time conversation) ಸೂಕ್ತವಾಗಿದೆ. "CosyVoice 2" ಎಂಬುದು ಸ್ಟ್ರೀಮಿಂಗ್ ಔಟ್‌ಪುಟ್‌ ಅನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಪ್ರತಿಕ್ರಿಯೆ ನೀಡುವ ಸಮಯವು ಇನ್ನಷ್ಟು ಕಡಿಮೆ ಆಗುತ್ತದೆ.

CosyVoice 2 ಮತ್ತು Kokoro ಎಂಬ ತಂತ್ರಜ್ಞಾನಗಳು ಆಡಿಯೋವನ್ನು ನೇರವಾಗಿ ಪ್ರಸಾರ ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿವೆ, ಇದರಲ್ಲಿ ಆಡಿಯೋ ತುಣುಕುಗಳು ಉತ್ಪತ್ತಿಯಾಗುತ್ತಿದ್ದಂತೆಯೇ ತಕ್ಷಣವೇ ಕಳುಹಿಸಲ್ಪಡುತ್ತವೆ. ಇದು ವಾಯ್ಸ್ ಅಸಿಸ್ಟಂಟ್ (ಧ್ವನಿ ಸಹಾಯಕ) ಮತ್ತು ಸಂವಾದಾತ್ಮಕ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಂತಹ ರಿಯಲ್-ಟೈಮ್ (ನಿಜ-ಸಮಯ) ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಮೊದಲ ಬೈಟ್ (data unit) ತಲುಪಲು ತಡುವಾಗವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

API ಮಾನಕ HTTP ಸ್ಥಿತಿ ಕೋಡ್‌ಗಳನ್ನು ಹಿಂದಿರುಗಿಸುತ್ತದೆ. ೫x ದೋಷಗಳಿಗೆ ಮತ್ತು ಮಿತಿಯ ಮಿತವಾದ ಪ್ರತ್ಯುತ್ತರಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು. ಮಹಿಳೆ- ದೂರವಾಣಿ ಅನ್ವಯಗಳಿಗೆ ಕ್ರಮವನ್ನು ಮರುಕಳಿಸುವ ಮೂಲಕ ಒಂದು ಕ್ರಮವನ್ನು ಸೇರಿಸು. ನಮ್ಮ API ಬಹಳ ಸಮಯವಾಗಿದೆ ಆದರೆ ಕ್ಷಿಪ್ರಗತಿಯಲ್ಲಿ ಹೋಗುವ ದೋಷವು ಯಾವಾಗಲೂ ಸಲಹೆಗೊಂಡಿದೆ.

ಹೌದು. /v1/ modifieds ಹಾಗು /v1 modifys ಕೊನೆಯ ಬಿಂದುಗಳು, ಲಭ್ಯವಿರುವ ಎಲ್ಲಾ ಧ್ವನಿ ಹಾಗು ಮಾದರಿ ಪಟ್ಟಿಗಳ (ಭಾಷಾ ಬೆಂಬಲ, ಗುಣಮಟ್ಟ ರೇಖಾತ್ಮಕ), ವೇಗ ರೇಖಾತ್ಮಕ ಮತ್ತು ಪ್ರಕ್ಷೇಪಕವನ್ನು (pridrintrates) ಹಾಗೂ ಪ್ರೊಗ್ರಾಂಗಳನ್ನು ನಿಮ್ಮ ಅನ್ವಯದಲ್ಲಿ ಆಯ್ಕೆ ಮಾಡಲು ಇವುಗಳನ್ನು ಬಳಸಿ.

ಉಚಿತ ಮಾದರಿಗಳು (Kokoro, Piper, VITS, MeloTTS) ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಪರೀಕ್ಷಾ ವೇದಿಕೆಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಏಕೆಂದರೆ ಅವು ಸಂಪೂರ್ಣವಾಗಿ ಉಚಿತವಾಗಿ ಲಭ್ಯವಿವೆ. ನಿಮ್ಮ ಸಂಯೋಜನೆಯನ್ನು ಉಚಿತ ಮಾದರಿಗಳನ್ನು ಬಳಸಿ ಪರೀಕ್ಷಿಸಿ, ನಂತರ ಮಾದರಿಯ ನಿಯತಾಂಕವನ್ನು ಬದಲಾಯಿಸುವ ಮೂಲಕ, ಉತ್ಪಾದನಾ ಪರಿಸರದಲ್ಲಿ ಪ್ರೀಮಿಯಂ ಮಾದರಿಗಳಿಗೆ ಬದಲಾಯಿಸಿ. ಇದಕ್ಕೆ ಯಾವುದೇ ಪ್ರತ್ಯೇಕ ಪರೀಕ್ಷಾ ಪರಿಸರ ಅಗತ್ಯವಿಲ್ಲ.

ನಮ್ಮ ಬಹುತೇಕ ಮಾದರಿಗಳು ತೆರೆದ-ಸಂಪರ್ಕಗಳು ಮತ್ತು ಸ್ವಪ್ರಯೋಜಕವಾಗಿರುವವು. ಆದರೆ, ಸ್ವಪ್ರಯೋಜನಕಕ್ಕೆ ಗಮನಾರ್ಹವಾದ GPUU ಗಳ ಅಗತ್ಯವಿದೆ (4xITIA ಟೆಸ್ಲಾ P40 ನ್ನು 96GBB RAM ಗಳ ಪೂರ್ಣ ರೂಪದಲ್ಲಿ ಬಳಸು). ಆ API ಒಂದು ಬೆಲೆಯ ಬದಲಾವಣೆಯ ಬದಲಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ.
5.0/5 (1)

ನೀವೇನು ಉತ್ತರ ಕೊಡುವಿರಿ?

‘ ಎ ’ ಎಂಬ ಪದದಿಂದ ಕಟ್ಟಲು ಸಿದ್ಧನಾ?

ನಿಮ್ಮ ಉಚಿತ API ಕೀಲಿಕೈಯನ್ನು ಪಡೆದು ಕಟ್ಟಡವನ್ನು ಪ್ರಾರಂಭಿಸಿ. ೧೫ ರ ಕೀಲುಗಳು, ಉಚಿತ ಮಾದರಿಗಳು ಲಭ್ಯ, ಕಲಾತ್ಮಕ ದಸ್ತಾವೇಜುಗಳು.