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.

Регистрация 5000 символга кадәр

Матныгызны төгәл контроль өчен SSML теглары белән әйләндерегез:

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

Сайланган модель аңлаган теглар — аларны җөмләгә төшерү өчен өстәп куегыз:

Бу модель гади текстны укый, шуңа күрә эчтәге теглар игътибарга алынмый. Тэгларга нигезләнгән эмоцияләр өчен, Orpheus яки Bark кебек иҗади модельгә күчегез.

Үзенчәлекле әйтелешне билгеләгез (сүз = әйтелеш):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS белән бушлай
Сезнең барлыкка китерелгән аудио монда күренәчәк. Модельне сайлагыз, мәтнне кертегез, һәм "Ярату" төймәсен басыгыз.
Аудио уңышлы төзелде
0:00
Аудио йөкләү .srt файлын төшерү Сүзнең вакыты 24 сәгатьтән соң бетә
РФ су реестры мәгълүматлары: Персона. Коммерцияле лицензия $5/аена
TTS.ai-ны яратасызмы? Дусларыгызга сөйләгез!

Бәйләнешләр 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.

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

Барлыгын карау Kani TTS 2 тавышлар

Бер карашка

Программист
NineNineSix
Лицензия
Apache 2.0
Гыйнвар
free
Югары тизлек
fast
Сүзләрне клонлау
Юк
Телләр
English
Макс. символлар саны
1000

Kani TTS 2 тавышлар

Default

English
Стандарт Neutral

Kani TTS 2 РФ су реестры мәгълүматлары: Фурга.

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.
← Барлык тавышлар