Ընտրված մոդելի կողմից ընկալվող պիտակներ — սեղմեք դրանք ձեր տեքստում տեղադրելու համար:
Այս մոդելը կարդում է պարզ տեքստը, այնպես որ ներառված տեքստերը անտեսվում են։ Տեքստերի վրա հիմնված էմոցիաների համար փոխեք արտահայտիչ մոդել, ինչպես Orpheus կամ Bark։
Բնական լեզվի ցուցադրման նշաններ։ Հարգվում է Qwen3-TTS-ի կողմից այսօր, այլ արտահայտիչ մոդելներ շուտով կհայտնվեն։
Այս մոդելը չի աջակցում կերպարների հրահանգներին — փոխեք այն մոդելի վրա, որը աջակցում է (օրինակ՝ Qwen3-TTS)։
Որոշել սեփական արտասանությունը (բառ = արտասանություն):
-12
+12
Էքսպրեսիվության կառավարում (0 = ոչ ակտիվ, 1 = շատ ակտիվ)
դասակարգիչ-ազատ ուղեցույցի քաշը (բարձր = ավելի շատ հարցի հետևում)
Օգտագործել բնական լեզվով ձայնի ոճը (Parler- ը օգտագործում է սա նախատեսված ձայների փոխարեն)
Dia Դիալոգի Ֆորմատը: Օգտագործեք [S1] և [S2] տեգերը տարբեր խոսնակների նշելու համար։ Օրինակ՝ [S1] Բարև ձեզ! [S2] Բարև, ինչպե՞ս եք:
Սա բարձրորակ ձայնային մոդել է, որը հասանելի է ցանկացած վճարովի պլանի դեպքում։ Դուք կարող եք անվճար դիտել ձայները ձայնային ընտրիչի կողքին գտնվող նվագարկման կոճակի միջոցով։
FreyaTTS-small is a 183-million-parameter model built for one language and built well. It is a non-autoregressive conditional flow-matching diffusion transformer that reads Turkish directly at the character level — 92 symbols, no phonemizer and no grapheme-to-phoneme stage, which removes a whole class of mispronunciation that pronunciation dictionaries introduce. It generates in a frozen AudioVAE2 latent space and decodes to 48 kHz mono, more than double the sample rate of the piper Turkish voice, so the output carries treble detail that a 22 kHz model simply cannot represent. On the Freya-TR-Eval benchmark it reaches 8.0% word error rate, placing it ahead of both XTTS-v2 and F5-TTS among open sub-billion-parameter Turkish systems, and it runs fast enough for real-time use at roughly a tenth of real time.
Լավագույնը: Turkish narration, voice agents, and any Turkish audio that needs high sample-rate output
It was trained from scratch on Turkish speech alone rather than adapted from a multilingual model. Specialising lets a 183M-parameter model compete with far larger multilingual systems on Turkish, but it means the model has no ability to read other languages — requests in another language are rejected rather than mispronounced.
Most open TTS models emit 22.05 kHz or 24 kHz, which caps reproducible audio at around 11-12 kHz and audibly dulls sibilants. FreyaTTS decodes to 48 kHz, the standard sample rate for video and broadcast, so its output drops into a production timeline without upsampling.
No. FreyaTTS has a single fixed speaker and does not support cloning. For a cloned Turkish voice use one of our zero-shot cloning models instead.
Many TTS systems first convert text into phonemes using a pronunciation dictionary, and anything missing from that dictionary — new words, names, loanwords — gets guessed. FreyaTTS reads the characters themselves, so Turkish spelling, which is highly regular, maps to sound without that lossy middle step.
