მონიშნული მოდელისთვის გასაგები ჭდეები - დააწკაპუნეთ, რომ ერთი ჭდე თქვენს ტექსტში ჩააგდოთ, სადაც ის მოხდება:
ეს მოდელი კითხულობს ჩვეულებრივ ტექსტს, ამიტომ შიგნით თავსებული ჭდეები იგნორირდება. ჭდეებზე დაფუძნებული ემოციებისთვის გადადით გამოხატვის მოდელში, როგორიცაა Orpheus ან Bark.
ბუნებრივი ენის მიწოდება. დღეს Qwen3- TTS- ის მიერ აღიარებულია; სხვა გამოხატული მოდელი მალე გამოვა.
ეს მოდელი არ უჭერს მხარს სტილის ინსტრუქციებს - გადადით ისეთ მოდელში, რომელიც ამას უჭერს მხარს (მაგალითად Qwen3-TTS).
ინდივიდუალური გამოთქმების განსაზღვრა (სიტყვი = გამოთქმა):
-12
+12
კონტროლის გამოხატულობა (0 = ნეიტრალური, 1 = ძალიან გამოხატული)
კლასიფიკატორის გარეშე მართვადი წონა (უფრო მაღალი = უფრო მეტი კითხვის მიხედვით)
ხმათა სტილის აღწერა ბუნებრივ ენაზე (Parler- მა ეს გამოიყენა წინასწარ დაყენებული ხმების ნაცვლად)
Dia დიალოგის ფორმატი: გამოიყენეთ [S1] და [S2] ჭდეები სხვადასხვა მთარგმნელების დასახელებისთვის. მაგალითი: [S1] მადლობა! [S2] მადლობა, როგორ ხართ?
ეს არის პრემიუმ ხმა, რომელიც ყველა ფასიანი გეგმის ფარგლებში ხელმისაწვდომია. თქვენ კვლავ შეგიძლიათ მისი ხმათა უფასო წინასწარ ნახვა ხმათა არჩევის გვერდით არსებული ჩართვის ღილაკით.
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.
საუკეთესოა: 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.
