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.

ਸਾਈਨ ਅੱਪ 5, 000 ਅੱਖਰ ਲਿਮਟ

ਸਹੀ ਕੰਟਰੋਲ ਲਈ SSML ਟੈਗ ਵਿੱਚ ਆਪਣਾ ਪਾਠ ਲਪੇਟੋ:

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

ਟੈਗ, ਜੋ ਕਿ ਚੁਣੇ ਮਾਡਲ ਸਮਝਦਾ ਹੈ - ਆਪਣੇ ਪਾਠ ਵਿੱਚ ਇੱਕ ਟੈਗ ਸੁੱਟਣ ਲਈ ਕਲਿੱਕ ਕਰੋ, ਜਿੱਥੇ ਇਹ ਹੁੰਦਾ ਹੈ:

ਇਹ ਮਾਡਲ ਸਾਦਾ ਪਾਠ ਪੜ੍ਹਦਾ ਹੈ, ਇਸ ਲਈ ਇੰਲਾਈਨ ਟੈਗ ਅਣਡਿੱਠੇ ਕੀਤੇ ਜਾਂਦੇ ਹਨ । ਟੈਗ- ਅਧਾਰਿਤ ਈਮੋਸ਼ਨ ਲਈ ਇੱਕ ਸਪੱਸ਼ਟ ਮਾਡਲ ਜਿਵੇਂ ਕਿ Orpheus ਜਾਂ Bark ਲਈ ਬਦਲੋ ।

ਪਸੰਦੀਦਾ ਉਚਾਰਨ ਦਿਓ (ਸ਼ਬਦ = ਉਚਾਰਨ):

-12 +12
0.5x 2.0x
ਪਾਈਪਰ, VITS, MeloTTS ਨਾਲ ਮੁਫਤ
ਤੁਹਾਡਾ ਬਣਾਇਆ ਆਡੀਓ ਇੱਥੇ ਵੇਖਾਇਆ ਜਾਵੇਗਾ । ਇੱਕ ਮਾਡਲ ਚੁਣੋ, ਪਾਠ ਦਿਓ ਅਤੇ ਬਣਾਓ ਕਲਿੱਕ ਕਰੋ ।
ਆਡੀਓ ਸਫਲਤਾਪੂਰਕ ਬਣਾਇਆ ਗਿਆ
0:00
ਆਡੀਓ ਡਾਊਨਲੋਡ .srt ਡਾਊਨਲੋਡ ਲਿੰਕ 24 ਘੰਟਿਆਂ ਵਿੱਚ ਖਤਮ ਹੁੰਦਾ ਹੈ
ਮੁਫਤ ਪੱਧਰ: ਨਿੱਜੀ ਵਰਤੋਂ ਲਈ। $5/ਮਹੀਨੇ ਤੋਂ ਵਪਾਰਕ ਲਾਇਸੈਂਸ
TTS.ai ਪਸੰਦ ਹੈ? ਆਪਣੇ ਦੋਸਤਾਂ ਨੂੰ ਦੱਸੋ!

ਬਾਰੇ 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.

ਇਸ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ: Fast English generation on low-VRAM hardware, quick previews

ਸਭ ਝਲਕ Kani TTS 2 ਆਵਾਜ਼ਾਂ

ਇੱਕ ਨਜ਼ਰ

ਡਿਵੈਲਪਰ
NineNineSix
ਲਾਈਸੈਂਸ
Apache 2.0
ਟੀਅਰ
free
ਗਤੀ
fast
ਬੋਲੀ ਕਲੋਨਿੰਗ
ਕੋਈ ਨਹੀਂ
ਭਾਸ਼ਾਵਾਂ
English
ਵੱਧੋ- ਵੱਧ ਅੱਖਰ
1000

Kani TTS 2 ਆਵਾਜ਼ਾਂ

Default

English
ਸਟੈਂਡਰਡ Neutral

Kani TTS 2 TTS - ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ

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.
← ਸਭ ਆਵਾਜ਼ਾਂ