Značky, ktorým vybraný model rozumie — kliknutím ich umiestnite do textu tam, kde sa vyskytujú:
Tento model číta obyčajný text, takže vnorené značky sa ignorujú.Pre emócie založené na značkách prejdite na expresívny model ako Orpheus alebo Bark.
Dnes ocenený technológiou Qwen3-TTS; ďalšie expresívne modely budú k dispozícii už čoskoro.
Tento model nepodporuje štýl inštrukcie — prepnite na model, ktorý to robí (napr Qwen3-TTS).
Definovať vlastné výslovnosti (slovo = výslovnosť):
-12
+12
Ovláda expresivitu (0 = neutrálne, 1 = veľmi expresívne)
Navádzacia hmotnosť bez klasifikátora (vyššia = viac pokynov)
Popíšte štýl hlasu v prirodzenom jazyku (Parler používa tento namiesto prednastavených hlasov)
Dia Dialóg formát: Použite [S1] a [S2] značky na označenie rôznych reproduktorov. Príklad: [S1] Ahoj tam! [S2] Ahoj, ako sa máš?
Toto je prémiový hlasový model, ktorý je k dispozícii na akomkoľvek platenom pláne, ale stále si môžete pozrieť jeho hlasy zadarmo pomocou tlačidla prehrávania vedľa výberu hlasu.
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.
Najlepšie pre: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content
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.
Zadajte svoj e-mail, aby ste získali 15 000 znakov zadarmo a pokračovali v generovaní reči.
Nepotrebujete žiadne heslo – pošleme vám e-mail s odkazom na nastavenie hesla neskôr.
Dosiahnutý limit bezplatnej úrovne
Vytvoriť si účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac, alebo si vytvoriť účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac.
