စာသားမှစကားပြော AI အရာရှိများ ဂီတ အသံမှစာသား အသံခိုးယူခြင်း အသံဒီဇိုင်း ဈေးကွက် ပိုများများ
Report Bug / Feature Request

Real-Time Voice Cloning — စက္ကန့်အတွင်းမည်သည့်အသံကိုမဆို Clone

9 Chatterbox, CosyVoice 2, GPT-SoVITS, နှင့် OpenVoice တို့အပါအဝင် open-source voice cloning မော်ဒယ်များ။ သင်တန်းလိုအပ်ချက်မရှိသော Zero-shot cloning - နမူနာတစ်ခု upload လုပ်ပြီးစကားပြောချက်ချင်းထုတ်လုပ်ပါ။ အားလုံးမော်ဒယ်များကုန်သွယ်လိုင်စင်ရကြသည်။

တကယ့်အချိန် 5-စက္ကန့်နမူနာ 9 မျိုးပွားမော်ဒယ်များ ရင်းမြစ် ဖွင့်ပါ 17+ ဘာသာစကားများ ခံစားမှုထိန်းချုပ်မှု
အခမဲ့စတင် Get ကြည့်ရှုစျေးနှုန်းများ

အသံဖမ်းယူခြင်း

ပြည်နယ်-of-the-art AI နှင့်အတူချက်ချင်းအသံများ clone - သင်တန်းမရှိ, dataset မရှိ, စောင့်ဆိုင်းခြင်းမရှိ

Zero-Shot ကူးယူခြင်း

အဘယ်သူမျှမလေ့ကျင့်ရေး, အဘယ်သူမျှမ fine-tuning, အဘယ်သူမျှမ dataset စုဆောင်းခြင်း. အသံ5စက္ကန့် upload တင်ပြီးချက်ချင်း cloned အသံကိုရယူပါ. အဆိုပါ AI ကိုလက်တွေ့အချိန်တွင်ပြောကြားသူ၏လက္ခဏာများကို extracts.

9 မျိုးပွားမော်ဒယ်များ

Chatterbox မှရွေးချယ်ပါ, CosyVoice 2, GPT-SoVITS, OpenVoice, Spark, IndexTTS-2, GLM-TTS, Qwen3-TTS, နှင့် Tortoise. တစ်ခုချင်းစီကိုမော်ဒယ်အရည်အသွေးအတွက်ကွဲပြားခြားနားသောအားသာချက်များရှိပါတယ်, အမြန်နှုန်း, နှင့်ဘာသာစကား.

ဘာသာစကားပေါင်းစုံ ကူးယူခြင်း

17+ ဘာသာစကားများအကြားအသံအမည်ကိုထိန်းသိမ်းရန် CosyVoice2နှင့် Qwen3-TTS ကိုအသုံးပြုပါ။

ခံစားမှုထိန်းချုပ်မှု

Chatterbox, OpenVoice, နှင့် GLM-TTS ခံစားမှု-အခြေအနေမျိုးဆက်ထောက်ခံ. ကွဲပြားခြားနားသောခံစားချက်များနှင့်အတူတူစာသားကိုထုတ်လုပ် - ပျော်ရွှင်, ဝမ်းနည်း, ဒေါသ, တိုးတိုးလေး - တူညီသောအသံကိုထိန်းသိမ်းထားစဉ်.

ကုန်သွယ်ရေး

အားလုံး cloning မော်ဒယ် MIT သို့မဟုတ် Apache 2.0 လိုင်စင်အောက်တွင် open source ဖြစ်ပါတယ်။ ကုန်သွယ်ရေးအတွက် content ကို cloned အသံများအသုံးပြု, ထုတ်ကုန်များ, နှင့် royalties မရှိ application များ။

Cloning API များ

REST API ကိုအတွက် programmatic အသံ cloning. ရည်ညွှန်းအသံ upload, စာသားကိုသတ်မှတ်, နှင့် cloned စကားပြောကြားချက်ကိုလက်ခံရရှိ. Python နှင့် JavaScript ကိုများအတွက် SDKs. အမြင့်-အရွယ်အစားအလုပ်လုပ်ကိုင်စီးဆင်းမှုများအတွက် batch cloning.

အသံဖမ်းယူမှုပုံစံများ

9 အားလုံး cloning အသုံးပြုမှုဖြစ်ရပ်များအတွက် open-source မော်ဒယ်များ

ChatterboxChatterbox

Premium

State-of-the-art zero-shot voice cloning with emotion control from Resemble AI.

Medium 5/5 အသံခိုးယူခြင်း

အကောင်းဆုံး: အကောင်းဆုံးစုစုပေါင်းအရည်အသွေး —5စက္ကန့်နမူနာ, စိတ်ခံစားမှုထိန်းချုပ်မှု, MIT လိုင်စင်

စမ်းကြည့်ပါ Chatterbox

CosyVoice 2CosyVoice 2

Standard

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

Medium 5/5 အသံခိုးယူခြင်း

အကောင်းဆုံး: အကောင်းဆုံးဘာသာစကားများစွာကို clone - တရုတ်ဘာသာစကားကိုကျော်အသံကိုထိန်းသိမ်းထား, အင်္ဂလိပ်, ဂျပန်, ကိုရီးယား

စမ်းကြည့်ပါ CosyVoice 2

OpenVoiceOpenVoice

Premium

Instant voice cloning with granular control over style, emotion, and accent.

Medium 4/5 အသံခိုးယူခြင်း

အကောင်းဆုံး: ခံစားမှုနှင့်စတိုင်လွှဲပြောင်းနှင့်အတူအမြန်အရောင်အရောင်ပြောင်း

စမ်းကြည့်ပါ OpenVoice

Spark TTSSpark TTS

Standard

Voice cloning TTS with controllable emotion and speaking style via prompts.

Medium 4/5 အသံခိုးယူခြင်း

အကောင်းဆုံး: အမြန်ဆုံး cloning မော်ဒယ် - ~12 စက္ကန့်အတွင်းရလဒ်များ

စမ်းကြည့်ပါ Spark TTS

IndexTTS-2IndexTTS-2

Standard

Zero-shot TTS with fine-grained emotion control and high expressiveness.

Medium 4/5 အသံခိုးယူခြင်း

အကောင်းဆုံး: မြင့်မားသောပြောဆိုသူတူညီမှုနှင့်အတူအလွန်ကောင်းမွန်သောတရုတ်-အင်္ဂလိပ် cloning

စမ်းကြည့်ပါ IndexTTS-2

Tortoise TTSTortoise TTS

Premium

Multi-voice text-to-speech focused on quality with autoregressive architecture.

Slow 5/5 အသံခိုးယူခြင်း

အကောင်းဆုံး: စတူဒီယို-အရည်အသွေးရလဒ်များ - audiobooks နှင့်ပရီမီယံပြောပြရန်အကောင်းဆုံး

စမ်းကြည့်ပါ Tortoise TTS

အသံဖမ်းခြင်း

အသံနမူနာတိုမှ အဆုံးမဲ့ တုပထားသော စကားပြော

1

အသံဖိုင်တင်ပါ

မှတ်တမ်းတင်သို့မဟုတ် upload 5-30 သငျသညျ clone ချင်တဲ့အသံမှရှင်းလင်းပြောဆိုမှုစက္ကန့်. WAV, MP3, သို့မဟုတ်သင့်ရဲ့ browser မှာတိုက်ရိုက်မှတ်တမ်းတင်.

2

ကူးယူမော်ဒယ်ကိုရွေးပါ

သင့်ရဲ့လိုအပ်ချက်ကိုကိုက်ညီတဲ့မော်ဒယ်ကိုရွေးပါ - အရည်အသွေးအတွက် Chatterbox, အမြန်နှုန်းအတွက် Spark, ဘာသာစကားများစွာအတွက် CosyVoice2။

3

စာသားထည့်ပါ

ကူးယူထားသော အသံတွင် ပြောလိုသော စာသားကို ရိုက်ထည့် သို့မဟုတ် paste လုပ်ပါ။ ပုံစံဖြင့် ထောက်ခံသော ဘာသာစကားတိုင်း အလုပ်လုပ်သည်။

4

ဖန်တီးပြီး ဒေါင်းလုပ်ချ

ကလစ်နှိပ်ပါ generate နှင့်သင်၏ cloned အသံကိုကြား 10-25 စက္ကန့်. ချက်ချင်းအသုံးပြုမှုအတွက် WAV သို့မဟုတ် MP3 အဖြစ်ဒေါင်းလုပ်.

Zero-Shot Voice Cloning လုပ်ဆောင်ပုံ

မည်သည့် fine-tuning, မည်သည့် dataset ကိုစုဆောင်းခြင်း - တင်ပြီး clone

ထုတ်ယူမှု

အဆိုပါ AI က speaker embedding ကိုထုတ်ယူရန်သင့်ရဲ့အညွှန်းအသံကိုခွဲခြမ်းစိတ်ဖြာ - မြေပြင်အပါအဝင်အသံရဲ့ထူးခြားသောလက္ခဏာများ၏ compact သင်္ချာကိုယ်စားပြုမှု, timbre, စကားပြောဂီတ, နှင့်အသံ texture. ဤသည်အောက်တွင်ဖြစ်ပျက် 1 စက္ကန့်.

  • အသံ၏5စက္ကန့်အနည်းငယ်အဖြစ်အလုပ်လုပ်
  • မြှင့်တင်မှု၊ အသံနှင့် စကားပြောစတိုင်ကို သိမ်းဆည်းပါ
  • လေ့ကျင့်ခန်းသို့မဟုတ် fine-tuning လိုအပ်
  • အသံကို 永久的に保存しない

အခြေအနေပေးစကားပြောခြင်း

TTS ပုံစံက speaker embedding အပေါ် conditioned အသစ်စကားပြော generates. သဘာဝ prosody နှင့်အတူ, သင့်လျော်သောအာရုံစိုက်မှုနှင့်မည်သည့်ဘာသာစကားသို့မဟုတ်အကြောင်းအရာကိုကျော်ထိန်းသိမ်းထားသည့်မူရင်းအသံ၏စာလုံးများ - ရလဒ်ကိုသင်၏စာသားကိုပြောဆိုအညွှန်းစကားပြောသူလိုအသံထွက်.

  • နမူနာတစ်ခုတည်းမှ အဆုံးမဲ့ စကားပြောခြင်းကို ထုတ်လုပ်ပါ
  • Cross-ဘာသာစကား cloning (အညွှန်းကိန်းမလုပ်ခဲ့သောဘာသာစကားများပြောဆို)
  • ခံစားမှုနှင့် ပုံစံ လွှဲပြောင်းခြင်း
  • 10-25 စက္ကန့်အတွင်းရလဒ်များ
Try Voice Cloning

Voice Cloning ပုံစံနှိုင်းယှဉ်ခြင်း

သင့်ရဲ့ ကူးယူသုံးစွဲမှုအတွက် မှန်ကန်တဲ့ ပုံစံကို ရွေးပါ

မော်ဒယ် အနည်းဆုံး ရည်ညွှန်း အမြန်နှုန်း အရည်အသွေး ဘာသာစကားများ ခံစားမှု လိုင်စင်
Chatterbox 5s ~21s အကောင်းဆုံး EN MIT
CosyVoice 2 5s ~20s ထူးချွန် CN, EN, JP, KO + Apache 2.0
GPT-SoVITS 5s ~16s ထူးချွန် CN, EN, JP, KO MIT
OpenVoice 5s ~15s ကောင်းတယ် EN, CN, ES, FR + MIT
Spark TTS 5s ~12s ကောင်းတယ် CN, EN Apache 2.0
IndexTTS-2 5s ~18s ထူးချွန် CN, EN Apache 2.0
GLM-TTS 5s ~25s ထူးချွန် CN, EN Apache 2.0
Qwen3-TTS 5s ~16s ထူးချွန် CN, EN, JP, KO + Apache 2.0
Tortoise 15s ~60s စတူဒီယို EN Apache 2.0
Compare Models

လူတွေ Real-Time Voice Cloning ကိုအသုံးပြုရန်အတွက်ဘာတွေလဲ

အကြောင်းအရာဖန်တီးမှုမှ အသုံးပြုနိုင်မှုအထိ - အသံကူးယူခြင်းတွင် အဆုံးမဲ့ အသုံးချမှုများရှိသည်။

အသံစာအုပ် ပြောပြချက်

စာရေးဆရာများသူတို့ရဲ့ကိုယ်ပိုင်အသံကို clone နှင့်မှတ်တမ်းတင်ဘုတ်အဖွဲ့တွင်နာရီဖြုန်းခြင်းမရှိဘဲတစ်ဦးလုံး audiobooks generate. re-မှတ်တမ်းတင်ခြင်းအစားတစ်ဦးတည်းသောဝါကျများကို regenerating အားဖြင့်အမှားများကိုတည်းဖြတ်ပါ။

ရုပ်သံ ကူးယူခြင်း

ဘာသာစကားပေါင်းစုံ ပုံစံများဖြစ်သည့် CosyVoice 2, Qwen3-TTS တို့သည် တရုတ်၊ အင်္ဂလိပ်၊ ဂျပန်၊ ကိုရီးယား ဘာသာစကားများအကြား အသံအမည်ကို ထိန်းသိမ်းပေးနိုင်သည်။

အကြောင်းအရာဖန်တီးခြင်း

YouTubers, podcasters, နှင့် TikTok ဖန်တီးသူများသည်ဆက်လက် branding အတွက်သူတို့ရဲ့အသံကို clone ။ မှတ်တမ်းတင်ခြင်းမရှိဘဲအကြောင်းအရာအသစ်များအတွက် voiceovers ကို generate, သို့မဟုတ်ရှိပြီးသားဗီဒီယိုများ၏အခြားဘာသာစကားဗားရှင်းကိုဖန်တီး။

အသုံးပြုနိုင်စွမ်း

ရောဂါသို့မဟုတ်ခွဲစိတ်မှုကြောင့်အသံဆုံးရှုံးသွားသူများအတွက် အသံမှတ်တမ်းအဟောင်းများကို ကူးယူ၍ အသံကို ထိန်းသိမ်းနိုင်သည်။ ကူးယူထားသော အသံသည် စာသားမှစကားပြောခြင်းဖြင့် မိမိအသံဖြင့် ဆက်သွယ်နိုင်စေသည်။

ဂိမ်းဖွံ့ဖြိုးရေး

အားလုံးလိုင်းများ re-recording ဖြစ်နိုင်ခြေမရှိသောနေရာတိုင်းအတွက် indie ဂိမ်းများအတွက်အပြည့်အဝ, mods, နှင့် prototyping.

IVR & ဖုန်းစနစ်များ

ဖုန်း menu များနှင့်အလိုအလျောက်တုံ့ပြန်မှုများအတွက်သင်၏ကုမ္ပဏီပြောရေးဆိုခွင့်ရှိသူ၏အသံကို clone. အသံအနုပညာရှင်တစ်ဦးကို booking မပါဘဲချက်ချင်း IVR တောင်းဆိုချက်များကို update - ရိုးရိုးအသစ်သောစာသားကိုရိုက်ထည့်ပါနှင့် generate.

Clone a Voice Now

TTS.ai အခြား Voice Cloning ဖြေရှင်းနည်းများ

ဘာကြောင့်9ပုံစံများတစ်ဦးတည်းသော open-source ကိုစီမံကိန်းကိုတိုက်ခိုက်

လုပ်ဆောင်ချက် TTS.ai SV2TTS ElevenLabs Resemble AI
ပုံစံများ ကူးယူခြင်း 9 1 1 1
အနည်းဆုံး အသံမှတ်တမ်း 5 sec 5 sec 30 sec 3 min
လိုအပ်သော လေ့ကျင့်မှု ဟုတ်ကဲ့ ဟုတ်ကဲ့ ဟုတ်ကဲ့ ဟုတ်ကဲ့
အသံအရည်အသွေး (2025) စတူဒီယိုအဆင့် နေ့စွဲ ထူးချွန် ထူးချွန်
ခံစားမှုထိန်းချုပ်မှု
ဘာသာစကားပေါင်းစုံ ကူးယူခြင်း
ရင်းမြစ် ဖွင့်ပါ
GPU လိုအပ်သည် မိုးတိမ် ဟုတ်ကဲ့ မိုးတိမ် မိုးတိမ်
API ဝင်ရောက်ခွင့်
လွတ်လပ်သော အဆင့် စာလုံးပေါင်း ၁၅၀၀၀ ကိုယ်ပိုင်-ဟိုတယ် ကနဦး
Try It Free

အသံဖမ်းယူမှု API

ကျွန်တော်တို့ရဲ့ REST API နဲ့အတူ program ကိုအသံများ clone

Python — အသံဖမ်းခြင်း REST API 
from tts_ai import TTSClient

client = TTSClient(api_key="sk-tts-...")

# Clone a voice from a 5-second sample
result = client.clone_voice(
    name="My Cloned Voice",
    file="reference.wav",       # 5-30 seconds of clear speech
    model="chatterbox",         # or cosyvoice2, openvoice, spark...
    text="Hello! This is my cloned voice speaking new text.",
)

# Download the cloned audio
audio = client.poll_result(result.uuid)
with open("cloned_output.wav", "wb") as f:
    f.write(audio)
cURL — အသံ Cloning REST API 
curl -X POST https://api.tts.ai/v1/voice-clone \
  -H "Authorization: Bearer sk-tts-YOUR_KEY" \
  -F "reference=@voice_sample.wav" \
  -F "text=This is my cloned voice." \
  -F "model=chatterbox"
View API Documentation

အသံ Cloning အကောင်းဆုံးရလဒ်များအတွက်အကြံပြုချက်များ

မှတ်တမ်းတင်ခြင်း စည်းမျဉ်းများဖြင့် အတိအကျဆုံး အသံကို ကူးယူပါ

တိတ်ဆိတ်သော ပတ်ဝန်းကျင်

အနည်းဆုံးနောက်ခံအသံနှင့်အတူတိတ်ဆိတ်အခန်းထဲမှာမှတ်တမ်းတင်ပါ။ AI ကရှင်းလင်းသောအသံမှပိုမိုတိကျစွာအသံ features တွေထုတ်ယူ။

10-30 စက္ကန့်

5စက္ကန့်အလုပ်လုပ်နေစဉ်, 10-30 စက္ကန့်သိသိသာသာပိုကောင်းတဲ့ရလဒ်များကိုပေး. AI ကကြားသိပိုမိုသဘာဝစကားပြော, ပိုမိုတိကျသောက clone.

သဘာဝစကားပြော

သဘာဝအားဖြင့်ပြောဆို, တစ် monotone မှာမဟုတ်. အမျိုးမျိုးသော intonation နှင့် pacing ပါဝင်သည်. အဆိုပါ AI ကိုသင်၏သဘာဝစကားပြောစတိုင် captures, ရပ်နားခြင်းနှင့်အာရုံစူးစိုက်မှုအပါအဝင်.

သီးခြားပြောဆိုသူ

တစ်ခုတည်းသောစကားပြောတစ်ဦးလူနှင့်အတူနမူနာကိုအသုံးပြုပါ။ များစွာသောအသံများပြောဆိုသူကိုထည့်သွင်းခြင်းနှင့်ရောစပ်ရလဒ်များကိုထုတ်လုပ်ခြင်းကိုလွဲချော်စေသည်။

Start Cloning

ယနေ့စတင် Cloning အသံများ

Upload5အသံ၏စက္ကန့်နှင့်အောက်တွင်သင်၏ cloned အသံကိုကြား 30 စက္ကန့်. ကြိုးစားရန်အခမဲ့.

အသံကို ကူးယူပါ API မှတ်တမ်း

မေးလေ့ရှိသောမေးခွန်းများ

အသံကို တုပခြင်းနှင့်ပတ်သက်၍ မေးလေ့ရှိသောမေးခွန်းများ

TTS.ai ပေး9ကွဲပြားခြားနားသော voice cloning ပုံစံများ, အရည်အသွေးအတွက်ကွဲပြားခြားနားသောစွမ်းအားနှင့်အတူတစ်ဦးချင်းစီ, အမြန်နှုန်း, နှင့်ဘာသာစကားထောက်ခံမှု. TTS.ai ပေး9ကွဲပြားခြားနားသော voice cloning ပုံစံများ, အရည်အသွေးအတွက်ကွဲပြားခြားနားသောစွမ်းအားနှင့်အတူတစ်ဦးချင်းစီ, အမြန်နှုန်း, နှင့်ဘာသာစကားထောက်ခံမှု.

အဖြစ်အနည်းငယ်5စက္ကန့်အများဆုံးမော်ဒယ်များနှင့်အတူအလုပ်လုပ် (Chatterbox, CosyVoice 2, Spark, GPT-SoVITS, OpenVoice). Tortoise လိုအပ် 15+ အကောင်းဆုံးရလဒ်များအတွက်စက္ကန့်. အားလုံးမော်ဒယ်များအကြားအကောင်းဆုံးအရည်အသွေးအတွက်, 10-30 ရှင်းလင်းသောစက္ကန့်, တစ်ခုတည်းသော-ပြောဆိုသူအသံကိုအကြံပြုထားသည်. အဆိုပါအသံကနောက်ခံအသံနှင့်ဂီတအခမဲ့ဖြစ်သင့်သည်။

Voice cloning နည်းပညာသည် ၎င်း၏ကိုယ်ပိုင်ဥပဒေနှင့်အညီဖြစ်ပါသည်။ သို့သော်၊ အသုံးပြုခွင့်ရှိသော အသံများကိုသာ ကူးယူသင့်သည်။ သင့်ကိုယ်ပိုင်အသံ၊ သင့်အနေဖြင့် ရှင်းလင်းစွာ သဘောတူညီချက်ရှိသော အသံများ၊ သို့မဟုတ် အများပြည်သူပိုင် ပိုင်နက်အတွင်းရှိ အသံများ။ သဘောတူညီချက်မရှိဘဲ အခြားသူတစ်ဦးဦးကို ကူးယူရန် voice cloning ကိုအသုံးပြုခြင်း၊ လိမ်လည်မှု ကျူးလွန်ခြင်း၊ သို့မဟုတ် ထင်ယောင်ထင်မှားစေသော အကြောင်းအရာများကို ဖန်တီးခြင်းသည် အများစုတွင် တရားမဝင်သည်။ TTS.ai ၏ စည်းမျဉ်းများအရ သင်ကူးယူထားသော အသံတစ်ခုခုအတွက် သင့်တွင် အခွင့်အရေးရှိရန် လိုအပ်သည်။

၎င်းသည်သင်၏အသုံးပြုမှုအပေါ်မူတည်သည်။ Chatterbox သည်စိတ်ခံစားမှုထိန်းချုပ်မှုနှင့်အတူအရည်အသွေးမြင့်မားသောအင်္ဂလိပ်စကားလုံးများကိုထုတ်လုပ်သည်။ CosyVoice2သည်ဘာသာစကားများစွာကိုကူးယူရန်အကောင်းဆုံးဖြစ်သည်။ (တရုတ်, အင်္ဂလိပ်, ဂျပန်, ကိုရီးယား)။ Spark သည် ~12 စက္ကန့်တွင်အမြန်ဆုံးဖြစ်သည်။ Tortoise သည်စတူဒီယိုအရည်အသွေးရှိသောရလဒ်များကိုထုတ်လုပ်သော်လည်းနှေးသည်။ GPT-SoVITS သည်တရုတ်စကားလုံးများကိုကူးယူရာတွင်ထူးချွန်သည်။ သင့်အသံအတွက်အကောင်းဆုံးကိုရှာဖွေရန်အမျိုးမျိုးသောပုံစံများကိုစမ်းသပ်ပါ။

ဟုတ်ကဲ့ — ဒါဟာ cross-language voice cloning လို့ခေါ်ပါတယ်။ CosyVoice 2, Qwen3-TTS, and OpenVoice support it. ဥပမာအားဖြင့် သင်ဟာ အင်္ဂလိပ်စကားသံနမူနာတစ်ခုကို တင်ပြီး တရုတ်, ဂျပန်, သို့မဟုတ် ကိုရီးယားဘာသာစကားဖြင့် စကားပြောနိုင်ပြီး စကားပြောသူရဲ့ အသံလက္ခဏာတွေကို ထိန်းသိမ်းထားနိုင်ပါတယ်။ အရည်အသွေးက ပုံစံနဲ့ ဘာသာစကားစုံနဲ့ ကွဲပြားပါတယ်။

CorentinJ / Real-Time-Voice-Cloning GitHub ပရောဂျက် (60K + ကြယ်) SV2TTS, 2019 ဗိသုကာကိုအသုံးပြုသည်။ ထိုအချိန်တွင်မြေပြင်ပေါ်တွင်ဖြစ်ပျက်နေစဉ်, Chatterbox ကဲ့သို့ခေတ်မီမော်ဒယ်များ, CosyVoice 2, နှင့် GPT-SoVITS ပိုကောင်းတဲ့ speaker တူညီမှုနှင့်အတူသိသိသာသာပိုကောင်းတဲ့အသံအရည်အသွေးကိုထုတ်လုပ်။ TTS.ai စီး9ကမ္ဘာ့ဖလား-of-the-art မော်ဒယ်များ (vs SV2TTS ၏တစ်ခု) နှင့် GPU ကို setting ကိုမလိုအပ်ပါဘူး - တင်သွင်းနှင့် clone ရုံ။

ဟုတ်ကဲ့။ TTS.ai အသံ cloning အတွက် REST API ကိုပေးသည်။ ရည်ညွှန်းအသံနှင့်စာသားကို upload လုပ်ပါ၊ ပုံစံတစ်ခုကိုရွေးချယ်ပြီး cloned စကားပြောကိုလက်ခံပါ။ Python SDK (`pip install ttsai`), JavaScript SDK (`npm install @ttsainpm/ttsai`) သို့မဟုတ်တိုက်ရိုက် HTTP တောင်းဆိုမှုများမှတဆင့်ရရှိနိုင်သည်။ တူညီသော cloned အသံနှင့်အတူစာသားများစွာကိုစီမံခန့်ခွဲရန် batch cloning ကိုထောက်ခံသည်။

ဟုတ်ကဲ့. ကူးယူပြီးနောက်, သင့်အကောင့်ကိုအသံ save နှင့်အဘယ်သူမျှမအကန့်အသတ်မျိုးဆက်ကျော် re-uploading ၏အထောက်အထားအသံမပါဘဲပြန်လည်အသုံးပြု. သိမ်းဆည်းထားသောအသံများအသံကူးယူစာမျက်နှာပေါ်တွင်သင်၏အသံစာအုပ်ဆိုင်တွင်ပေါ်လာပြီး API ကိုမှတဆင့်ရရှိနိုင်ကြသည်။

WAV, MP3, OGG, FLAC, နှင့် WebM အားလုံးထောက်ခံကြသည်. သင်သည်လည်း built-in ကိုမိုက်ခရိုဖုန်းမှတ်တမ်းတင်စက်ကိုအသုံးပြုပြီးသင်၏ဘရောက်ဇာတွင်တိုက်ရိုက်မှတ်တမ်းတင်နိုင်ပါတယ်. အကောင်းဆုံးရလဒ်များအတွက်, 16kHz သို့မဟုတ်ပိုမိုမြင့်မားမှာ lossless WAV format ကိုအသုံးပြု. အဆိုပါ AI အလိုအလျောက် preprocesses အသံ (resampling, 噪声过滤) input ကို format ကိုမဆိုမှီခို.

Generation အချိန်မော်ဒယ်အလိုက်ကွဲပြား: Spark ~12 စက္ကန့်တွင်အမြန်ဆုံးဖြစ်ပါတယ်, ~15 စက္ကန့်တွင် OpenVoice, ~16 စက္ကန့်တွင် GPT-SoVITS, ~20 စက္ကန့်တွင် CosyVoice2, ~21 စက္ကန့်တွင် Chatterbox, နှင့် ~60 စက္ကန့်တွင် Tortoise. ဤအချိန်များပုံမှန်ဝါကျအရှည်စာသားများအတွက်ဖြစ်ကြသည်။ ပိုမိုရှည်လျားသောစာသားများပိုမိုကြာရှည်ယူသည်။

ဟုတ်ကဲ့. အားလုံး9TTS.ai အပေါ် cloning မော်ဒယ်များအသုံးပြုမှု open-source လိုင်စင် (MIT သို့မဟုတ် Apache 2.0) စီးပွားရေးလုပ်ငန်းအသုံးပြုမှုကိုခွင့်ပြု. သင် YouTube ကိုဗီဒီယိုများ, podcasts, audiobooks, apps များ, ဂိမ်းများ, ဖုန်းစနစ်များ, နှင့်အခြားစီးပွားရေးလုပ်ငန်း application များမှာ cloned audio ကိုအသုံးပြုနိုင်ပါတယ် - သင်အရင်းအမြစ်အသံကိုပိုင်ဆိုင်ခွင့်ရှိပါတယ်ပေးထား.

ဟုတ်ကဲ့. ကျွန်တော်တို့ရဲ့ run တိုင်းမော်ဒယ် open source နှင့် GitHub / HuggingFace ပေါ်တွင်ရရှိနိုင်. သင်ကိုယ်ပိုင်-host Chatterbox, CosyVoice 2, GPT-SoVITS, OpenVoice, Spark, IndexTTS-2, GLM-TTS, Qwen3-TTS, သို့မဟုတ်သင်၏ကိုယ်ပိုင် GPU ဆာဗာပေါ်တွင် Tortoise နိုင်ပါတယ်. အများစုမှာမော်ဒယ်များ 4-24GB VRAM နှင့်အတူ NVIDIA GPU ကိုလိုအပ်သည်။ TTS.ai အားလုံးအခြေခံအဆောက်အအုံကိုင်တွယ်သောကြောင့်သင်မလိုအပ်ပါဘူး.
5.0/5 (1)

ကျွန်တော်တို့ကိုတိုးတက်ကောင်းမွန်စေနိုင်သလား? သင့်ရဲ့အကြံပြုချက်များကျွန်တော်တို့ကိုပြဿနာများကိုဖြေရှင်းကူညီပေးသည်။

စက္ကန့်ပိုင်းအတွင်း အသံကို ကူးယူပါ

9 open-source အသံကို clone မော်ဒယ်များ.5စက္ကန့်နမူနာ. သင်တန်းလိုအပ်. အခမဲ့စမ်းကြည့်ပါ - သင့်ရဲ့အသံကို upload လုပ်ပြီးခိုးနားထောင်ချက်ချင်း.

အခမဲ့ Sign Up ကြည့်ရှုစျေးနှုန်းများ