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.
ચોક્કસ નિયંત્રણ માટે SSML ટેગોમાં તમારું લખાણ લપેટો:
<speak><prosody rate="slow">Slow speech</prosody></speak>
પસંદ કરેલ મોડેલ સમજે છે તે ટેગ્સ - તમારા લખાણમાં એકને મૂકવા માટે ક્લિક કરો જ્યાં તે થાય છે:
આ મોડેલ સાદા લખાણને વાંચે છે, તેથી અંદરના ટેગો અવગણવામાં આવે છે. ટેગ આધારિત લાગણી માટે, Orpheus અથવા Bark જેવા વ્યક્ત કરવા માટેના મોડેલમાં બદલો.
વૈવિધ્યપૂર્ણ ઉચ્ચારણો વ્યાખ્યાયિત કરો (શબ્દ = ઉચ્ચારણ):
વિશે 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.
માટે શ્રેષ્ઠ: Voice cloning, singing synthesis, content creator voice replication
બધું બ્રાઉઝ કરો GPT-SoVITS અવાજોએક નજરમાં
- ડેવલોપર
- RVC-Boss
- લાઇસન્સ
- MIT
- તીર
- standard
- ઝડપ
- slow
- અવાજ ક્લોનિંગ
- હા
- ભાષાઓ
- English, Chinese, Japanese, Korean
- મહત્તમ અક્ષરો
- 500