GPT-SoVITS

English Default

Estándar Inglés Neutral GPT-SoVITS

English Default é unha voz de IA de neutral alimentada polo modelo de síntese de voz GPT-SoVITS. Esta voz nivel estándar fala Inglés e ofrece unha síntese de voz de calidade estudio. Coa velocidade de xeración máis lento pero de alta fidelidade e unha cualificación de calidade de 5/ 5, English Default é axeitado para {best_ for}. O motor GPT-SoVITS está desenvolvido por RVC-Boss under the MIT license, polo que é seguro para uso comercial. As súas características principais son: 5-second cloning, singing voice, few-shot learning, high fidelity, cross-lingual. O modelo GPT-SoVITS tamén admite a clonación de voz: envíe unha mostra de son curta para crear unha voz personalizada que conserve as mesmas características de calidade.

Aínda non hai cualificacións

GPT-SoVITSInformación do modelo

Modelo GPT-SoVITS
Desenvolvente RVC-Boss
Calidade
Velocidade Lento
Licenza MIT
Clonando Soportado
Tier Estándar (2 créditos/ 1K caracteres)
Parámetros 200M
Arquitectura GPT + SoVITS
Ano 2024

Os mellores casos de uso para English Default

Programas recomendados baseados nesta voz

Audiolibros e narración

Empregue English Default para narrar contidos de forma longa con prosodi e expresión naturais.

Locucións de vídeo

Engada narración profesional a vídeos de YouTube, anuncios e contido de redes sociais.

Podcasts e emisións

Saída de calidade de estudio axeitada para podcasts, radio e emisións profesionais.

Voz personalizada da marca

Clonar este estilo de voz co seu propio son para crear unha voz TTS única.

Máis GPT-SoVITS Vozes

Outras voces do mesmo modelo TTS

Default

Chinés Neutral

Japanese Default

XaponésName Neutral

Korean Default

CoreanoName Neutral

Preguntas frecuentes

GPT- SoVITS combina o modelado de linguaxe ao estilo GPT con SoVITS (Singing Voice Inference via Translation and Synthesis) para unha potente clonación de voz en poucas tomas. Con tan só 5 segundos de son de referencia, pode clonar con precisión unha voz e xerar unha nova fala preservando as características únicas do falante. Excele tanto na síntese de voz falada como na de voz cantada.

GPT-SoVITS foi desenvolvido por RVC-Boss e está publicado baixo a licenza MIT, que permite o uso comercial do son xerado.

GPT-SoVITS soporta 4 idiomas: inglés, chinés, xaponés, coreano.

GPT- SoVITS está no nivel Estándar — 2 créditos por 1. 000 caracteres. Pode previsualizar calquera voz de GPT- SoVITS de balde antes de xerar o son completo.

GPT-SoVITS ten unha velocidade de xeración máis lenta (priorizando a calidade). Leva máis tempo por xeración pero produce unha saída de maior fidelidade.

GPT- SoVITS ten unha cualificación de 5/ 5 pola calidade do son no TTS.ai. Ofrece unha voz humana de calidade de estudio.

Si, GPT- SoVITS admite a clonación de voz sen disparos. Envíe 5- 30 segundos de son de referencia para crear unha voz personalizada.

Si, GPT- SoVITS recoméndase especialmente para a clonación de voz, síntese de canto, replicación de voz de creador de contidos. As súas capacidades de clonación de 5 segundos, voz de canto e aprendizaxe de poucas tomas fanno unha excelente escolla para este caso de uso.

Si, GPT- SoVITS ten licenza MIT, o que permite o seu uso comercial. O son xerado coas voces de GPT- SoVITS pode usarse en vídeos, podcasts, aplicacións, xogos e calquera outro proxecto comercial.

Si, todas as voces do TTS.ai usan modelos de código aberto con licenza comercial (MIT, Apache 2. 0). O son xerado é seu para usar en vídeos, podcasts, aplicacións, xogos e calquera outra aplicación comercial.

Envie unha petición POST a / api/ v1/ tts / co nome do modelo e a identificación da voz. Consulte a páxina de documentación da API para obter exemplos de código en Python, JavaScript, Go e cURL.

Si, prema no botón de reprodución desta páxina para escoitar unha mostra. Tamén pode escribir texto personalizado na páxina Texto a voz e xerar unha vista previa libre con calquera voz.

Probar English Default Agora

Escriba calquera texto e escoite a súa pronunciación English Default. Libre de usar.