Thẻ mà mô hình đã chọn hiểu — nhấn để thả một trong văn bản của bạn nơi nó xảy ra:
Mô hình này đọc văn bản đơn giản, vì vậy các thẻ trong dòng sẽ bị bỏ qua. Đối với cảm xúc dựa trên thẻ, hãy chuyển sang mô hình biểu cảm như Orpheus hay Bark.
Được Qwen3-TTS tôn vinh hôm nay; các mô hình biểu cảm khác sẽ sớm ra mắt.
Mô hình này không hỗ trợ các lệnh kiểu — chuyển sang một mô hình có (ví dụ Qwen3-TTS).
Định nghĩa cách phát âm tùy chỉnh (từ = phát âm):
-12
+12
Điều khiển độ biểu cảm (0 = trung tính, 1 = rất biểu cảm)
Trọng lượng hướng dẫn miễn phân loại (tăng = theo lời nhắc nhiều hơn)
Mô tả kiểu giọng nói bằng ngôn ngữ tự nhiên (Parler dùng nó thay vì giọng nói mặc định)
Định dạng hộp thoại Dia: Dùng thẻ [S1] và [S2] để đánh dấu các loa khác nhau. Ví dụ: [S1] Chào! [S2] Chào, anh thế nào?
Đây là mô hình giọng nói cao cấp, có sẵn trên bất kỳ kế hoạch trả tiền nào. Bạn vẫn có thể xem trước giọng nói miễn phí bằng nút chơi bên cạnh trình chọn giọng nói.
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.
Tốt nhất cho: 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.
