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.

दर्ता गर्नुहोस् ५,००० क्यारेक्टर सीमाका लागि

सटीक नियन्त्रणका लागि SSML ट्यागमा तपाईँको पाठ बेर्नुहोस्:

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

ट्याग चयन गरिएको मोडेल बुझ्छ - यो कहाँ हुन्छ आफ्नो पाठ मा एक गिर गर्न क्लिक:

यो नमूनाले सादा पाठ पढ्दछ, त्यसैले इनलाइन ट्याग उपेक्षा गरिन्छ । ट्याग-आधारित भावनाका लागि, ओर्फिस वा बारक जस्तै अभिव्यक्तिमूलक नमूनामा स्विच गर्नुहोस् ।

अनुकूल उच्चारण परिभाषित गर्नुहोस् (शब्द = उच्चारण):

-12 +12
0.5x 2.0x
पाइपर, VITS, MeloTTS सँग निःशुल्क
तपाईँको सिर्जना गरिएको अडियो यहाँ देखा पर्नेछ । नमूना रोज्नुहोस्, पाठ प्रविष्ट गर्नुहोस्, र सिर्जना गर्नुहोस् क्लिक गर्नुहोस् ।
अडियो सफलतापूर्वक उत्पन्न भयो
0:00
अडियो डाउनलोड गर्नुहोस् डाउनलोड.srt लिङ्क २४ घण्टामा समाप्त हुन्छ
यसको प्रयोग प्राय: व्यक्तिगत रूपमा गरिन्छ। $5/mo बाट व्यावसायिक लाइसेन्स
TTS.ai प्रेम? आफ्नो साथीहरूलाई भन्नुहोस्!

यसका बारेमा 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.

यसका लागि उत्तम: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content

सबै ब्राउज गर्नुहोस् Ming-Omni TTS आवाज

एक नजरमा

विकासकर्ता
inclusionAI
इजाजतपत्र
Apache 2.0
टर
free
गति
medium
आवाज क्लोनिङ
हो
भाषा
English, Chinese
अधिकतम क्यारेक्टर
1000

Ming-Omni TTS आवाज

Default

English
स्वतन्त्र Neutral

Default (Chinese)

Chinese
स्वतन्त्र 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.
← सबै आवाज