Kani TTS 2

Kani TTS 2 TTS

An ultra-lightweight 400M English model that runs in just 3GB of VRAM at a 0.2 real-time factor.

Užsiregistruoti 5000 ženklų riba

Apvynioti savo tekstą BSML žymės tiksliam valdymui:

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

Žymos pasirinktas modelis supranta — spustelėkite, kad įmestų vieną į tekstą, kur tai atsitinka:

Šis modelis skaito paprastą tekstą, todėl į eilę orientuotos žymės yra ignoruojamos. Dėl įsagų pagrindu išreikštos emocijos pereikite prie tokio išraiškingo modelio kaip Orpheus arba Bark.

Apibrėžti užsakymą tarimas (žodžio = tarimas):

-12 +12
0.5x 2.0x
Laisvas su piper, VITS, meloTTS
Čia bus rodomas Jūsų sugeneruotas garsas. Pasirinkite modelį, įveskite tekstą ir spustelėkite Generuoti.
Garsas sėkmingai generuojamas
0:00
Atsiųsti garsą Atsisiųsti.srt Sąsaja baigiasi 24 val.
Laisvas lygis: asmeninis naudojimas. Komercinė licencija iš $5/mo
Mėgstu TTS.ai? Papasakok draugams!

Apie Kani TTS 2

Kani-TTS-2 by NineNineSix is an ultra-lightweight 400M-parameter text-to-speech model built on a Liquid AI LFM2 backbone with NVIDIA's NanoCodec. It runs in just 3GB of VRAM and generates roughly ten seconds of speech in about two seconds on an A100 — a real-time factor near 0.2. The current public release ships an English-only checkpoint and, unlike its predecessor, does not expose the speaker-embedding hook needed for voice cloning. Its strength is fast, low-cost English generation on modest hardware, which makes it a good fit for quick previews and high-volume English narration. It is released under Apache 2.0 and offered on the free tier.

Geriausia: Fast English generation on low-VRAM hardware, quick previews

Naršyti viską Kani TTS 2 balsai

Iš pirmo žvilgsnio

Programuotojas
NineNineSix
Licencija
Apache 2.0
Pakopa
free
Greitis
fast
Balso klonavimas
Nr.
Kalbos
English
Daugiausia simbolių
1000

Kani TTS 2 balsai

Default

English
Standartinis Neutral

Kani TTS 2 TTS – DUK

It runs in just 3GB of VRAM and produces about ten seconds of speech in roughly two seconds on an A100 — a real-time factor near 0.2 — thanks to its 400M-parameter LFM2 backbone and NanoCodec.

No. The current v2 release removed the public speaker-embedding hook, so cloning is not available. For cloning, use Chatterbox, IndexTTS-2, or GPT-SoVITS.

English only. The public release ships a single English checkpoint; for non-English speech, use a model like Kokoro or MeloTTS.
← Visi balsai