টেক্সট- থেকে- কথাName AI এজেন্ট সঙ্গীত বক্তৃতা থেকে টেক্সটName ভয়েস ক্লোন ভয়েস ডিজাইন বাজার আরো
বাগ / বৈশিষ্ট্য অনুরোধ প্রতিবেদন করো
GPT-SoVITS

GPT-SoVITS TTS

A few-shot voice cloning model that replicates a voice — and can even sing — from as little as five seconds of audio.

0/500 অক্ষর · প্রতি প্রজন্মে ৫,০০০ টাকার জন্য নিবন্ধন করুন →
নিবন্ধন করুন ৫,০০০ অক্ষরের সীমা

নির্দিষ্ট নিয়ন্ত্রণের জন্য আপনার লেখাকে এস- এস- এম- এল ট্যাগ- এ ঢোকাও:

<speak><prosody rate="slow">Slow speech</prosody></speak>

নির্বাচিত মডেল যে ট্যাগগুলি বুঝে — আপনার লেখায় যেখানে তা ঘটে সেখানে একটি ট্যাগ স্থাপন করতে ক্লিক করুন:

এই মডেলটি প্লেইন টেক্সট পড়ে, তাই ইনলাইন ট্যাগগুলি উপেক্ষা করা হয়। ট্যাগ-ভিত্তিক আবেগ-প্রবণতার জন্য, Orpheus বা Bark-এর মত একটি প্রকাশক মডেলে পরিবর্তন করুন।

স্বনির্বাচিত উচ্চারণ নির্ধারণ করো (শব্দ = উচ্চারণ):

-12 +12
0.5x 2.0x
পাইপার, VITS, MeloTTS এর সাথে বিনামূল্যে
আপনার তৈরিকৃত অডিও এখানে দেখা যাবে। একটি মডেল বেছে নিন, টেক্সট লিখুন এবং তৈরি করো ক্লিক করুন।
অডিও সফলভাবে তৈরি করা হয়েছে
0:00
অডিও ডাউনলোড করো .srt ডাউনলোড করুন ২৪ ঘণ্টার মধ্যে লিঙ্কের মেয়াদ শেষ হবে
ফ্রি টাইর: ব্যক্তিগত ব্যবহারের জন্য। $5/মাসে বাণিজ্যিক লাইসেন্স
TTS.ai পছন্দ করেন? আপনার বন্ধুদের বলুন!

পরিচিতি GPT-SoVITS

GPT-SoVITS, created by the developer known as RVC-Boss, combines GPT-style language modeling with SoVITS (Singing Voice Conversion / synthesis) to deliver some of the most accessible voice cloning in open source. With as little as five seconds of reference audio it captures a speaker's timbre and style, and it stands out from most TTS models in handling singing as well as speech. It works across English, Chinese, Japanese, and Korean and supports cross-lingual generation, so a cloned voice can speak a language the reference clip never used. It is widely used by content creators for voice replication, dubbing, and song covers, and reaches high fidelity for a model of its size.

এর জন্য সেরা: Voice cloning, singing synthesis, content creator voice replication

সব ব্রাউজ করুন GPT-SoVITS শব্দ

এক নজরে

ডেভেলপার
RVC-Boss
লাইসেন্স
MIT
টাইমার
standard
গতি
slow
শব্দের ক্লোন
হ্যাঁ
ভাষা
English, Chinese, Japanese, Korean
সর্বোচ্চ অক্ষর
500

GPT-SoVITS শব্দ

Default

Chinese
ডিফল্ট Neutral

English Default

English
ডিফল্ট Neutral

Japanese Default

Japanese
ডিফল্ট Neutral

Korean Default

Korean
ডিফল্ট Neutral

GPT-SoVITS TTS - ফ্যাক্টস

As little as five seconds. It uses few-shot learning, so a short reference clip is enough to capture a speaker, though a cleaner and slightly longer sample improves similarity.

Yes. Its SoVITS lineage comes from singing voice synthesis, so unlike most TTS models it can generate singing as well as spoken voice, which is why it is popular for song covers.

English, Chinese, Japanese, and Korean, with cross-lingual synthesis — a voice cloned from one language can be made to speak the others.
← সব শব্দ