Ming-Omni TTS

Ming-Omni TTS TTS

A compact 0.5B omni-modal speech model with near-CD-quality 44.1kHz output and zero-shot voice cloning.

Melden Sie sich an für 5.000 Zeichen-Grenze

Verpacken Sie Ihren Text in SSML-Tags für eine präzise Kontrolle:

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

Tags, die das ausgewählte Modell versteht — klicken Sie, um einen in Ihren Text zu legen, wo es passiert:

Dieses Modell liest Text, so dass Inline-Tags ignoriert werden. Für tag-basierte Emotion, wechseln Sie zu einem ausdrucksstarken Modell wie Orpheus oder Bark.

Benutzerdefinierte Aussprachen definieren (Wort = Aussprache):

-12 +12
0.5x 2.0x
Frei mit Piper, VITS, MeloTTS
Hier erscheint Ihr generiertes Audio. Wählen Sie ein Modell, geben Sie Text ein und klicken Sie auf Generieren.
Audio-Erzeugung erfolgreich
0:00
Audio herunterladen Download.srt Link läuft in 24h aus
Freier Dienstgrad: persönlicher Gebrauch. Kommerzielle Lizenz ab $5/mo
Gefällt dir TTS.ai? Erzähl es deinen Freunden!

Über Ming-Omni TTS

Ming-omni-tts-0.5B by inclusionAI is a compact omni-modal speech model built on the BailingMM dense backbone with a patch-by-patch flow-matching audio decoder. Despite its small 500M-parameter size, it outputs 44.1kHz audio approaching CD quality and supports zero-shot voice cloning from a reference of three seconds or more. It includes built-in emotion, dialect, and even background-music control driven by JSON instructions, and is notably stable — reporting a 0.83% word error rate on Chinese benchmarks. With Apache 2.0 licensing and modest 3GB VRAM needs, it fits high-fidelity bilingual narration, emotion-controlled voice acting, and Chinese audiobook production.

Das Beste für: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content

Alle durchsuchen Ming-Omni TTS Stimmen

Auf einen Blick

Entwickler
inclusionAI
Lizenz
Apache 2.0
Tierart
free
Geschwindigkeit
medium
Klonen der Stimme
Nein
Sprachen
English, Chinese
Maximale Zeichen
1000

Ming-Omni TTS Stimmen

Default

English
Frei Neutral

Default (Chinese)

Chinese
Frei Neutral

Ming-Omni TTS TTS — FAQ

It outputs 44.1kHz audio, close to CD quality — high for a model of only 0.5B parameters — thanks to its patch-by-patch flow-matching audio decoder.

Beyond voice cloning, it supports emotion, dialect, and background-music control via JSON instructions, and it is very stable, reporting a 0.83% word error rate on Chinese benchmarks.

English and Chinese, with zero-shot voice cloning from a reference clip of three seconds or longer.
← Alle Stimmen