Ming-Omni TTS

Ming-Omni TTS टीएसटी

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

ऊपर हस्ताक्षर करें 5,000 अक्षर सीमा के लिए

अस्थायी नियंत्रण के लिए एसएसएमएल टैग में अपने पाठ को लपेटें:

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

चुने गए मॉडल को समझने के लिए टैग - पर क्लिक करें जहाँ हो वहाँ किसी को छोड़ा जाए:

यह मॉडल सादा पाठ पढ़ता है, तो इनलाइन टैग नज़रअंदाज़ किया जाता है. टैग आधारित भावना के लिए, ओरे-हिक मॉडल या बारक में स्विच करता है.

मनपसंद उच्चारण पारिभाषित करें (नाम = उच्चारण):

-12 +12
0.5x 2.0x
पाइप, VITS, मेरोच के साथ मुक्त
आपका उत्पन्न ऑडियो यहाँ प्रकट होगा. कोई मॉडल चुनें, पाठ भरें, और क्लिक करें.
ऑडियो सफलतापूर्वक बनाया गया
0:00
ऑडियो डाउनलोड करें डाउनलोड लिंक का समय 24h में
फ्री टाई: निजी इस्तेमाल । $5/मो से व्यावसायिक लाइसेंस
मुक्त अक्षरों पर कम चला रहा है हर महीने 200के अक्षर लाएँ — $5/मो या एक बार 100के पैक
अपनी आवाज़ इस तरह बुझाइए 30 सेकंड में एक आवाज क्लोन करें
अपने दोस्तों को बताइए!

के बारे में 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.

के लिए उत्तम: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content

सभी ब्राउज़ करें Ming-Omni TTS आवाज़

एक नज़र

डेवलपर
inclusionAI
लाइसेंस
Apache 2.0
टीयर
free
गति
medium
आवाज कहीं नहीं
हाँ
भाषाएँ
English, Chinese
अधिकतम अक्षर
1000

Ming-Omni TTS आवाज़

Default

English
मुक्त Neutral

Default (Chinese)

Chinese
मुक्त Neutral

Ming-Omni TTS टीएस — प्रयोग कर रहा है

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.
← सभी आवाज