Ming-Omni TTS TTS
A compact 0.5B omni-modal speech model with near-CD-quality 44.1kHz output and zero-shot voice cloning.
Írja be a szöveget az SSML címkékbe a pontos vezérlés érdekében:
<speak><prosody rate="slow">Slow speech</prosody></speak>
A kijelölt modell tagjeiben a ~ kattintson az alábbi szövegbe:
Ez a modell egyszerű szöveget olvas, így a sorcímke figyelmen kívül marad. A tag alapú érzelem, váltson át egy expresszív modell, mint Orpheus vagy Bark.
Definiáld az egyéni kiejtéseket (szó = kiejtés):
About 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.
Legjobb: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content
Összes böngészés Ming-Omni TTS hangokEgy pillantásra
- Fejlesztő
- inclusionAI
- Jogosítvány
- Apache 2.0
- Tier
- free
- Sebesség
- medium
- Hang klónozása
- Igen.
- Nyelvek
- English, Chinese
- Max. karakterek
- 1000