స్వర లైబ్రరీ

విహరించు, వుపదర్శనము, మరియు పోల్చుము 100+ AI మొబైల్‌లో ధ్వనులు 20+ మొబైల్ సౌలభ్యం. మీ ప్రాజెక్టు కొరకు ఆకృతమైన స్వరం కనుగొనుము.

291+ శబ్డాలు

200 శబ్దాలు దొరికినవిName

--
ఖాళీ English Female వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Urdu Female వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ English Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ English Female వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ fa Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ English Female వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Hungarian Female వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Basque Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Kurdish Female వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Turkish Neutral వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Polish Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Russian Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Albanian Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Portuguese Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Urdu Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Nepali Neutral వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ cy Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Finnish Male వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే
ఖాళీ Chinese Female వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే

ఏ స్వరం మీ ఫిల్టర్‌కు సరిపోతుంది. మీ శోధన ప్రమాణంని సవరించడానికి ప్రయత్నించండి.

ఏఐ మోడల్‌ ద్వారాలు

కొన్ని మోడల్‌లలో క్లోనింగ్‌ అనే స్వరం ఉంటుంది, ఏ స్వరం అయినా మీ స్వరాన్ని రెఫరెన్సుగా ఉపయోగించడానికి అనుమతిస్తుంది.

Indic Parler TTSIndic Parler TTS 21 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

High-quality speech for 8+ Indian languages with natural-language voice control.

BarkBark 28 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

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

Chinese Speaker 1

Chinese

Chinese Speaker 2

Chinese

English Female 1

English

English Female 2

English

English Female 3

English

English Female 4

English

English Male 1

English

English Male 2

English

(c) అన్నిటిని చూడు 28 Bark శబ్డాలు

Bark SmallBark Small 15 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Lighter version of Bark with faster inference and lower memory usage.

ChatterboxChatterbox 1 శబ్డాలు ప్రిమియమ్

మోడల్ ను ప్రయత్నించు

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

Default

English

Chatterbox TurboChatterbox Turbo 1 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Faster Chatterbox with sub-200ms latency and paralinguistic tags for laughs, coughs, and more.

Default

English

CosyVoice 2CosyVoice 2 10 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

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

CosyVoice3CosyVoice3 11 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Next-generation multilingual TTS with bi-streaming, emotion control, and zero-shot voice cloning.

Darwin TTSDarwin TTS 4 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Cross-modal Qwen3-TTS variant with FFN weights blended from the Qwen3-1.7B language model for sharper multilingual cloning.

Default

English

Default (Chinese)

Chinese

Default (Japanese)

Japanese

Default (Korean)

Korean

Dia TTSDia TTS 2 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Multi-speaker dialog generation model that creates natural conversations between speakers.

Speaker 1

English

Speaker 2

English

FreyaTTSFreyaTTS 1 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Turkish-only speech at 48 kHz from a compact flow-matching model.

Freya (Turkish)

Turkish

GPT-SoVITSGPT-SoVITS 4 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Few-shot voice cloning TTS that replicates any voice from just 5 seconds of audio.

Default

Chinese

English Default

English

Japanese Default

Japanese

Korean Default

Korean

IndexTTS-2IndexTTS-2 2 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

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

Chinese Default

Chinese

Default

English

Kani TTS 2Kani TTS 2 1 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Ultra-lightweight 400M English TTS model running in just 3GB VRAM.

Default

English

KhanomTan TTSKhanomTan TTS 5 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Thai-first text-to-speech with a choice of speaker voices.

Ultra-lightweight TTS under 80MB. Runs on CPU without GPU.

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

High-quality multilingual text-to-speech that runs on CPU with minimal latency.

Chinese

Chinese

English British

English

English US

English

Japanese

Japanese

Spanish

Spanish

Compact 0.5B omni-modal speech model from inclusionAI with high-fidelity 44.1kHz output and zero-shot voice cloning.

Default

English

Default (Chinese)

Chinese

MOSS-TTS NanoMOSS-TTS Nano 11 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Tiny 100M MOSS-TTS variant — same architecture, 80x smaller, free-tier latency.

MOSS-TTSDMOSS-TTSD 2 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Multi-speaker dialogue continuation model — generate podcast-style conversations with up to 5 speakers and 60 minutes of coherent audio.

Default (Chinese)

Chinese

Default Speaker

English

OpenVoiceOpenVoice 6 శబ్డాలు ప్రిమియమ్

మోడల్ ను ప్రయత్నించు

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

OrpheusOrpheus 8 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Human-level emotional TTS model trained on 100K hours of speech data.

LLM-based TTS that runs on CPU, GPU, or browser via llama.cpp and Transformers.js.

Female 1 (Neutral)

వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే English

Parler TTSParler TTS 1 శబ్డాలు ప్రామాణిక

మోడల్ ను ప్రయత్నించు

Describe the voice you want in natural language and Parler generates matching speech.

Default

English

PiperPiper 22 శబ్డాలు ఖాళీ

మోడల్ ను ప్రయత్నించు

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

Aegis (Urdu)

వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే Urdu

Aivars (Latvian)

Latvian

Alan (UK)

వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే English

Alba (UK)

వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే English

Amir (Persian)

వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే fa

Amy (US)

వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే English

Anna (Hungarian)

వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే Hungarian

Antton (Basque)

వ్యక్తిగత మరియు సాంఘిక ఉపయోగం మాత్రమే Basque

(c) అన్నిటిని చూడు 22 Piper శబ్డాలు

అపురూపమైన మాటలను అర్థం చేసుకోవడం

స్వర నాణ్యతగల టైటర్లుName

TTS.ai రూపకల్పన మూడు లక్షణాల ధ్వనుల చుట్టూ ధ్వనులు అందిస్తుంది. Ppper, విట్టెస్, మెలొట్సీస్ ప్రైవేట్ సమ్మేళనం, మంచి సెమినస్. కోకో మరియు కోసీవిస్ 2 వంటి మోడల్ యొక్క సాధారణ మరియు భావనల ధ్వనులు మరింత సహజం మరియు భావోద్వేగాలను అందిస్తాయి. ఓపెన్వోసియోస్, చాట్‌బాక్స్, మరియు స్టేట్ 2 లాంటివిటీ వంటి విజ్ఞాన పదబంధాల నుండి సౌలభ్రతమైన ధ్వనం అందుబాటులో ఉంది.

బహుభాషా స్వరాలు

చాలా ధ్వనులు వివిధ భాషలకు మద్దతునిస్తాయి. కోసినోసిస్ 2 మరియు GPTS వంటి కొన్ని మోడల్స్ క్రాస్- సోవిటీస్, ఒక భాషలో శిక్షణ పొందిన వాయిద్యం వేరే భాషలో సహజంగా మాట్లాడగలదు. పైన ఉన్న భాష మీ లక్ష్యపు భాషను సమర్థిస్తుంది ఆ భాషను నియంత్రిస్తుంది, ఉత్తమ ఉచ్ఛారణను క్రమబద్ధం చేస్తుంది.

శబ్డం క్లుంకింగ్

కొన్ని మోడల్‌లు స్వరాన్ని మద్దతిస్తాయి, అంటే మీరు స్వరాన్ని ఆ వ్యక్తిలాగే వినే భాషను సృష్టించుటకు ఏ స్వరాన్నీ ఉపయోగించవచ్చు. చిన్న ఆడియో మాదిరి (10- 30 సెకనులు) మరియు ఆ స్వర గుణాలను సరిచేయుటకు నమూనా సమ్మేళనము చేస్తుంది. GPT- SoVTS, CCSVOS2 మరియు చాటర్‌బాక్స్‌ను సహాయపడే నమూనాలు.

సరైన స్వరాన్ని ఎంపిక చేసుకోవడం

ఉత్తమ స్వరం మీ కేసుపై ఆధారపడి ఉంటుంది. ఆడియోపుస్తకాలు మరియు పోడ్‌కాస్ట్స్ కోసం, సహజ ప్రొజెక్ట్ రీడర్లు స్వాభావికంగా స్వాభావికంగా వుడ్‌ను వాడండి. ఆట అక్షరాల కొరకు, మొబైల్ రీడర్ల మధ్య రకపుల సౌలర్‌లను పరిశీలించండి. త్వరితంగా ప్రయత్నించాలని, స్పష్టమైన, మంచి స్వరాలను ఎంపిక చేసుకోండి. వెంటనే-తెప్పించుకు, ఉచితంగా సౌలభ్యాన్ని ఎంపిక చేసుకోండి. మీ ఐచ్చికంక ముందు ప్రతీ ఆట బటన్‌ను ఎంపికచేసుకోండి.

తరచూ అడగబడే ప్రశ్నలు

TTS.ai అందిస్తున్నది 100+I 24 పాఠము మొబైల్ మొబైల్ డేటాల చుట్టూ ధ్వనులు. వాయిస్లు అనేక భాషలు, లియర్లు, ఉచ్ఛారణలు, భాషలు. మా మోడల్ లైబ్రరీను విస్తరించినప్పుడు కొత్త స్వరాలు వరుసగా కలపవచ్చు.

అవును, మీరు ఈ పుటనందు నేరుగా వినగల ఆడియో ముందస్తువీలు అనేకం కలిగివున్నాయి. ప్రదర్శన బటన్‌ను మాదిరి వింతగా వింటూ ఏదైనా స్వరం ప్రక్కన నొక్కుము. మీ స్వంత వచనముతో ఏ స్వరాన్నైనా మీరు పరీక్షించవచ్చు.

పేజీ చివర్లో ఉండే ఫిల్టర్‌ నియంత్రణలను మోడల్‌ ద్వారా, భాష ద్వారా, లేదా లింగ ద్వారా ఇంధన స్వరాలను ఉపయోగించండి.

ఫ్రీవోరో (Kocroro, Piper, VITS, మెలోట్సిస్) అక్షరాల అవసరంలేదు. సాధారణ శబ్దాలు (Barch, Cysovoice2 Dia) 2x అక్షరాలను ఉపయోగించు (చట్రక్టర్ బాక్స్‌, టోర్టోరెస్) 4x అక్షరాలను ఉపయోగిస్తారు మరియు అగ్రమైన గుణాన్ని అందించండి.

కోకోరో (స్పీకర్లులేని) నాణ్యతకు 5/5 రేట్ చేయబడుతుంది మరియు ఎంతో సహజ-ప్రకృతమైన ఐచ్ఛికం ఉంది. ఫీల్డ్ బాక్స్, చాటర్బాక్స్ మరియు టొర్టొ ప్రాధాన్యత నిరూపణ తో అసాధారణ ప్రకృతిప్రపంచాన్ని అందిస్తుంది. వాయిద్యానికి ఏ వాయిద్యం మీకు ఉత్తమం అవసరమైనదో విస్మరించాలో విస్మరించండి.

"పెర్సన్ మరియు కాంమోమెరాటికల్ ప్రమేయం" లో తప్ప, గీతలు తప్ప, అన్ని పథకాలు మాత్రమే" గుర్తుచేయబడతాయి, ఇది అన్ని ప్రణాళికపై మాత్రమే నిర్ధారిస్తారు ఎందుకంటే వారి రచయితలు మాత్రమే. ప్రతి స్వరం కోసం, చెల్లించిన ప్రణాళికలో మాత్రమే వాడడానికి అనుమతిస్తారు. వీడియోలు, పోస్ట్లు, యాప్స్, యాప్స్, ఏ వ్యాపారం మరియు ఏ ఇతర సాధనం మీరు ముందు చేసిన ఆడియోలు. ఉచిత టైప్ న మాత్రమే వాటలను ప్రసారం.

మన స్వరగ్రంథం 30+ భాషల్లోని ఆంగ్ల, స్పానిష్‌, ఫ్రెంచ్‌, జర్మన్‌, జర్మన్‌, పోర్చుగీస్‌, చైనీస్‌, అరామిక్‌, రష్యన్‌, హంగేరియన్‌, డచ్‌, పోలిష్‌, పోలిష్‌, ఇంకా అనేక భాషల్లోకి అనువదించబడింది.

అవును, ప్రస్తావన ఆడియో నుండి కేవలం 5-30 సెకన్ల నుండి ఒక నిర్దేశిత స్వరం తయారు చేయడానికి మా స్వరం క్లాలింగ్ సాధనాన్ని ఉపయోగించండి. సిగ్నల్ వాయిస్ మీ వృత్తాంతం క్రింద "నా శబ్దములు" అనువుగా కనిపిస్తాయి మరియు భవిష్య వచన క్రమ తరాలకు తిరిగి వాడవచ్చు.

మీ వాడుక గురించి ఆలోచించండి: ఆడియోపుస్తకాల కోసం, బార్క్ లేదా చాట్‌బాక్స్‌నుండి వచ్చిన వ్యక్తీకరణ గీతాలను ఎంచుకోండి. Apps మరియు IVR, కోకోరో లేదా మెలోTTS నుండి స్పష్టమైన స్వరాలను ఎంచుకోండి. బహుభాషా సారాంశానికి, CoSovice 2 లేదా GPTS- oVITS ను ఉపయోగించండి. NAME OF TRANSLATORS

మెలొట్స్‌లు అమెరికన్‌, బ్రిటీష్‌, ఆస్ట్రేలియాల్లోని ఆంగ్ల ఉచ్ఛారణలను అందిస్తాయి.

అవును, అన్ని శబ్దాలు మా RSTA. default API ద్వారా అందుబాటులో ఉన్నాయి. ఏ స్వరంతోనైనా భాషను తయారు చేయమని మీ API IDనందు నమూనాను మరియు స్వర IDని తెలుపు. మన API పత్రికీకరణ పుటను చూడండి.

అదనపు TTS మోడల్‌లను కలుపుకొని ఉన్నవాటిని విస్తృతపరుస్తూ మనం క్రమంగా కొత్త స్వరాలను కలుపుకుంటాము.

రికార్డింగులు, అభివృద్ధులు, మీ స్వరం మార్చండి

మీ స్వరాన్ని వెలికితీస్తే, మీ నోరు తెరచి మాట్లాడుతుంది, మంచి నాణ్యతను పెంచుతుంది.