Ming-Omni TTS TTS
A compact 0.5B omni-modal speech model with near-CD-quality 44.1kHz output and zero-shot voice cloning.
לעטוף את הטקסט שלך בתגי SSML לשליטה מדויקת:
<speak><prosody rate="slow">Slow speech</prosody></speak>
שם התוויות של המודל הנבחר הוא □ לחץ כדי להפיל אחד לתוך הטקסט שלך שבו הוא קורה:
המודל הזה קורא טקסט רגיל, כך שמתעלמים מתגי ההצפנה של רגש מבוסס תג, עבור מודל אקספרסיבי כמו אורפיאוס או ברק.
הגדר הגייה מותאמת אישית (מילה = הגייה):
אודות 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.
הטוב ביותר עבור: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content
עיין בכל Ming-Omni TTS קולותבמבט חטוף
- מפתח
- inclusionAI
- רישיון
- Apache 2.0
- Tier
- free
- מהירות
- medium
- שיבוט קולי
- כן.
- שפות
- English, Chinese
- תווים מרביים
- 1000