Kani TTS 2

Kani TTS 2 ТТС

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

Запиши се. за 5.000 ограничувања на знаци

Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:

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

Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:

Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.

Дефинирај ги сопствените изговори (слов = изговор):

-12 +12
0.5x 2.0x
Слободен со Пајпер, ВИТС, Мелотс
Тука ќе се појави вашиот генериран звук. Изберете модел, внесете текст и кликнете на Генерирај.
Аудио генериран успешно
0:00
Симни аудио Симнување.srt Врската истекува за 24 часа
Слободна ставка: лична употреба. Комерцијална дозвола од 5 долари/мо
Кажи им на пријателите!

За 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.

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

Прелистувај ги сите Kani TTS 2 гласови

На еден поглед

Развивач
NineNineSix
Лиценца
Apache 2.0
Ниво
free
Брзина
fast
Гласовно клонирање
Не.
Јазици
English
Макс. знаци
1000

Kani TTS 2 гласови

Default

English
Стандардно Neutral

Kani TTS 2 TTS — Прашања

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.
← Сите гласови