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.

Ёзиш 5000 белги чегараси

Матнни аниқ назорат учун SSML теглар билан ўраб қўйиш:

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

Танланган модел тушунадиган тегилар — уларни матнга тушириш учун босинг:

Бу модел оддий матн ўқийди, шунинг учун тегишли теги эътиборга олинмайди. Эмоционал теги асосида, Orpheus ёки Bark каби ифодали моделга ўтинг.

Ўз нутқини белгилаш (сўз = нутқ):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS билан бепул
Сизнинг яратилган аудионгиз бу ерда намоён бўлади. Модельни танланг, матнни киритинг ва Юклаш тугмасини босинг.
Аудио муваффақиятли яратилди
0:00
Аудио юклаб олиш .srt юклаб олиш Уланиш муддати 24 соатдан сўнг тугайди
Бепул даража: шахсий фойдаланиш. $5/mo дан бошланувчи коммерциявий лицензия
Буни ўз овозингизга айлантиринг 30 сония ичида овозни клонлаш
TTS.ai'ни севасанми? Дўстларингга айт!

Маълумот 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.

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

Ҳаммасини кўриш Kani TTS 2 овозлар

Бир қарашда

Ижодкор
NineNineSix
Лицензия
Apache 2.0
Тир
free
Тезлик
fast
Овозни клонлаш
Йўқ
Тиллар
English
Максимум ҳарфлар
1000

Kani TTS 2 овозлар

Default

English
Стандарт Neutral

Kani TTS 2 ТТС — кўп бериладиган саволлар

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.
← Барча овозлар