Značky, ktorým vybraný model rozumie — kliknutím ich umiestnite do textu tam, kde sa vyskytujú:
Tento model číta obyčajný text, takže vnorené značky sa ignorujú.Pre emócie založené na značkách prejdite na expresívny model ako Orpheus alebo Bark.
Dnes ocenený technológiou Qwen3-TTS; ďalšie expresívne modely budú k dispozícii už čoskoro.
Tento model nepodporuje štýl inštrukcie — prepnite na model, ktorý to robí (napr Qwen3-TTS).
Definovať vlastné výslovnosti (slovo = výslovnosť):
-12
+12
Ovláda expresivitu (0 = neutrálne, 1 = veľmi expresívne)
Navádzacia hmotnosť bez klasifikátora (vyššia = viac pokynov)
Popíšte štýl hlasu v prirodzenom jazyku (Parler používa tento namiesto prednastavených hlasov)
Dia Dialóg formát: Použite [S1] a [S2] značky na označenie rôznych reproduktorov. Príklad: [S1] Ahoj tam! [S2] Ahoj, ako sa máš?
Toto je prémiový hlasový model, ktorý je k dispozícii na akomkoľvek platenom pláne, ale stále si môžete pozrieť jeho hlasy zadarmo pomocou tlačidla prehrávania vedľa výberu hlasu.
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.
Najlepšie pre: 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.
Zadajte svoj e-mail, aby ste získali 15 000 znakov zadarmo a pokračovali v generovaní reči.
Nepotrebujete žiadne heslo – pošleme vám e-mail s odkazom na nastavenie hesla neskôr.
Dosiahnutý limit bezplatnej úrovne
Vytvoriť si účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac, alebo si vytvoriť účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac.
