FreyaTTS ടിടിഎസ്
A compact Turkish text-to-speech model that outputs 48 kHz audio without a phonemizer.
കൃത്യമായ നിയന്ത്രണത്തിനായി SSML തൊങ്ങലില് വാചകം പൊതിയുക:
<speak><prosody rate="slow">Slow speech</prosody></speak>
തെരഞ്ഞെടുത്ത മാതൃക മനസ്സിലാക്കുന്നത് ടാഗ് (കുടികള്) :
ഈ മോഡ് സാധാരണ പദാവലി വായിക്കുന്നു, അതുകൊണ്ട് ഇന്ലൈന് തൊങ്ങല് അവഗണിപ്പിക്കുന്നു. ടാഗ് അടിസ്ഥാനപരമായ വികാരങ്ങള്ക്കു് ഓര്ഫിയസ് അല്ലെങ്കില് ബാര്ക് പോലുള്ള ഒരു ചിത്രീകരണ മോഡില് മാറുക.
ഇഷ്ടപ്പെട്ട ഉച്ചാരണം നിര്വ്വചിക്കുക (വാക്ക് = ഉച്ചാരണം):
സംബന്ധിച്ച് FreyaTTS
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.
അതിനു വേണ്ടിയുള്ള ഏറ്റവും നല്ല സ്ഥലം.: Turkish narration, voice agents, and any Turkish audio that needs high sample-rate output
എല്ലാം പരതുക FreyaTTS ശബ്ദങ്ങള്ഒരു നോക്കുമ്പോള്
- രചയിതാവു്
- Freya
- അനുമതി
- Apache 2.0
- ടിയെര്
- free
- വേഗത
- fast
- ശബ്ദമിശ്രണോപാധി
- ഇല്ല
- ഭാഷകള്
- Turkish
- ഏറ്റവും കൂടിയ ക്യാരക്ടറുകള്
- 2000