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.

Inscrever-se para o limite de 5000 caracteres

Envolva o seu texto em tags SSML para controle preciso:

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

Etiquetas o modelo selecionado entende — clique para soltar um para o seu texto onde acontece:

Este modelo lê texto simples, por isso as etiquetas inline são ignoradas. Para emoção baseada em tags, mude para um modelo expressivo como Orpheus ou Bark.

Definir pronúncias personalizadas (palavra = pronúncia):

-12 +12
0.5x 2.0x
Grátis com Piper, VITS, MeloTTS
Seu áudio gerado aparecerá aqui. Escolha um modelo, introduza texto e clique em Gerar.
O áudio gerado com sucesso
0:00
Baixe áudio Baixar.srt A ligação expira em 24h
Gratuito nível: uso pessoal. Licença comercial a partir de $5/mo
Gosta do TTS.ai? Conte aos seus amigos!

Sobre 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.

Melhor para: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content

Procurar todos Ming-Omni TTS vozes

De uma olhada

Desenvolvedor
inclusionAI
Licença
Apache 2.0
Tier
free
Velocidade
medium
Clonagem de voz
Sim
Línguas
English, Chinese
Número máximo de caracteres
1000

Ming-Omni TTS vozes

Default

English
Grátis Neutral

Default (Chinese)

Chinese
Grátis 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.
← Todas as vozes