Додати позначки емоцій доставки впливу (відносна підтримка model):
Ця модель читає простий текст, отже теґи вбудований буде проігноровано. Для емоцій, заснованих на мітках, перемкніться на модель експресивного вираження, на зразок Orpheus або Bark.
Натурально-мовних сигналів. Пошановано Qwen3-TTS сьогодні; скоро прибудуть інші виразні моделі.
Ця модель не підтримує інструкції стилю } перемкнутися на модель, яка робить (наприклад, Qwen3- TTS).
Визначити нетипові вимови (слово = вимова):
-12
+12
Контролює експресивність (0 = нейтральна, 1 = дуже виразна)
Вага напрямку без класифікатора (підвищення = пояснення)
Описувати стиль голосу природною мовою (Парлер використовує це замість набору голосів)
Формат діалогового діалогового вікна: Використовувати < code >[ S1] і < code >[ S2] для позначення різних гучномовців. Приклад: < code >[ S1] Привіт! [S2] Hello, як ви?
Це модель голосового забезпечення з можливістю відтворення, доступ до якого можна отримати за будь- якого оплачуваного плану. Ви можете переглядати його голоси безкоштовно за допомогою кнопки відтворення, розташованої поряд з інструментом вибору голосу.
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.
Найкраще для: 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.
