Помечает выбранную модель, которая понимает — нажмите, чтобы выкинуть одну в ваш текст, где она случается:
Эта модель читает простой текст, поэтому встраиваемые метки игнорируются. Для эмоций на основе метки переключайтесь на экспрессивную модель, как Орфей или Барк.
Натурально-лингвистические сигналы. Почетен сегодня Qwen3-TTS; скоро придут другие экспрессивные модели.
Эта модель не поддерживает инструкции стиля — переключаться на модель, которая есть (например, Qwen3-TTS).
Определить традиционные произношения (слово = произношение):
-12
+12
Контроль экспрессивности (0 = нейтральная, 1 = очень экспрессивная)
Недифференцируемый грузоподъемность (более высокая = более быстрое следование)
Опишите стиль голоса на естественном языке (Парлер использует это вместо предварительного нажатия голоса)
Диалоговый формат: Используйте <код>[S1] и <код>[S2] метки для обозначения различных ораторов. Пример: <код>[S1] Алло! [S2] Привет, как вы?>/код>
Это премиальная голосовая модель, доступная на любом платном плане. Вы можете бесплатно презентовать его голоса с кнопкой для воспроизведения рядом с голосовым пикателем.
IndexTTS-2, from the Index Team, is an expressive text-to-speech system that pairs zero-shot voice synthesis with precise emotional control. Rather than relying on emotion-labeled training data, it uses emotion vectors to dial in tones like happy, sad, angry, or fearful independently of the voice itself. Built on a Qwen2 backbone with BigVGAN as the vocoder, it supports English and Chinese and can clone a voice from roughly five seconds of reference audio. It suits audiobooks, virtual assistants, and any content where the same voice needs to shift emotional register. Its weights use the Bilibili Model License, which permits commercial use below large usage and revenue thresholds.
Лучший для: Emotionally expressive content, audiobooks, virtual assistants
It uses emotion vectors that let you specify tones such as happy, sad, angry, or fearful without needing emotion-specific training data, and the emotional expression is controlled independently from the voice identity.
Yes. It performs zero-shot voice cloning from a short reference, typically around five seconds of audio, in English or Chinese.
Its weights are released under the Bilibili Model License, which allows commercial use for products below defined user and revenue thresholds. Larger deployments should review the license terms. On TTS.ai, audio you make with it is for personal use on the free tier and can be used commercially on any paid plan.
Введите email, чтобы получить 15,000 бесплатных символов и продолжить генерировать речь.
Пароль не нужен - мы направим вам ссылку, чтобы установить его позже.
Свободный предел роста
Вы использовали 5,000 бесплатных дневных символов. Создайте бесплатный аккаунт, чтобы получить 15,000 бонусных символов плюс 10,000 бесплатных символов каждый месяц.
