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.

दर्ता गर्नुहोस् ५,००० क्यारेक्टर सीमाका लागि

सटीक नियन्त्रणका लागि SSML ट्यागमा तपाईँको पाठ बेर्नुहोस्:

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

ट्याग चयन गरिएको मोडेल बुझ्छ - यो कहाँ हुन्छ आफ्नो पाठ मा एक गिर गर्न क्लिक:

यो नमूनाले सादा पाठ पढ्दछ, त्यसैले इनलाइन ट्याग उपेक्षा गरिन्छ । ट्याग-आधारित भावनाका लागि, ओर्फिस वा बारक जस्तै अभिव्यक्तिमूलक नमूनामा स्विच गर्नुहोस् ।

अनुकूल उच्चारण परिभाषित गर्नुहोस् (शब्द = उच्चारण):

-12 +12
0.5x 2.0x
पाइपर, VITS, MeloTTS सँग निःशुल्क
तपाईँको सिर्जना गरिएको अडियो यहाँ देखा पर्नेछ । नमूना रोज्नुहोस्, पाठ प्रविष्ट गर्नुहोस्, र सिर्जना गर्नुहोस् क्लिक गर्नुहोस् ।
अडियो सफलतापूर्वक उत्पन्न भयो
0:00
अडियो डाउनलोड गर्नुहोस् डाउनलोड.srt लिङ्क २४ घण्टामा समाप्त हुन्छ
यसको प्रयोग प्राय: व्यक्तिगत रूपमा गरिन्छ। $5/mo बाट व्यावसायिक लाइसेन्स
TTS.ai प्रेम? आफ्नो साथीहरूलाई भन्नुहोस्!

यसका बारेमा 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.

यसका लागि उत्तम: Fast English generation on low-VRAM hardware, quick previews

सबै ब्राउज गर्नुहोस् Kani TTS 2 आवाज

एक नजरमा

विकासकर्ता
NineNineSix
इजाजतपत्र
Apache 2.0
टर
free
गति
fast
आवाज क्लोनिङ
होइन
भाषा
English
अधिकतम क्यारेक्टर
1000

Kani TTS 2 आवाज

Default

English
मानक Neutral

Kani TTS 2 TTS - FAQ

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.
← सबै आवाज