Бусад
GPT-SoVITS

GPT-SoVITS ТТС

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

Бүртгүүлэх 5000 тэмдэгтээс хэтрэхгүй

Тодорхой хяналтын тулд SSML тэмдгээр текстээ буулгах:

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

Бүх

Энэ загвар нь энгийн утга уншдаг, тиймээс доторх тэмдгийг үл тоомсорлодог. Тэг- суурилсан сэтгэл хөдлөл, Orpheus эсвэл Bark- шиг илэрхийлэх загвар руу шилжинэ.

Өөрийн дуудлагыг тодорхойлох (үг = дуудлага):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS-тэй чөлөөт
Таны үүсгэсэн дууны файл энд гарч ирнэ. Модель сонгож, текстийг оруулж, Бүтээгдэх товчийг дарна уу.
Аудио амжилттай бүтээгдсэн
0:00
Дуу татаж авах .srt татаж авах Холбоо 24 цагийн дараа дуусна
Хязгааргүй: хувийн хэрэглээ. Бизнесийн лиценз $5/сараас
TTS.ai-г хайрладаг уу? Найзуудаа хэлж өгөөрэй!

Тодорхойлолт 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.

Хамгийн сайн: Voice cloning, singing synthesis, content creator voice replication

Бүхнийг харах GPT-SoVITS дуунууд

Нүүр хуудас

Хөгжүүлэгч
RVC-Boss
Лиценз
MIT
Үхрийн
standard
Хурд
slow
Дууны дугуй
Тийм
Хэл
English, Chinese, Japanese, Korean
Хамгийн их үсэг
500

GPT-SoVITS дуунууд

Default

Chinese
Стандарт Neutral

English Default

English
Стандарт Neutral

Japanese Default

Japanese
Стандарт Neutral

Korean Default

Korean
Стандарт Neutral

GPT-SoVITS ТТС - Тодорхойгүй асуултууд

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.
← Бүх дуунууд