Ming-Omni TTS TTS
A compact 0.5B omni-modal speech model with near-CD-quality 44.1kHz output and zero-shot voice cloning.
உங்களின் உரை SSML ஒட்டுகளில் சரியான கட்டுப்பாட்டிற்காக மடி:
<speak><prosody rate="slow">Slow speech</prosody></speak>
தேர்ந்தெடுக்கப்பட்ட மாதிரி புரிந்து கொள்ளும் குறிகள் - உங்கள் உரைக்குள் ஒன்றை இழுக்க க்ளிக் செய்யவும் அது நடக்கும் இடம்:
இந்த மாதிரி வெறும் உரை படிக்கிறது, எனவே உள்ளமைந்த குறிகள் புறக்கணிக்கப்படும். குறி அடிப்படை உணர்வுகளுக்கு, Orpheus அல்லது Bark போன்ற ஒரு வெளிப்படுத்தும் மாதிரிக்கு மாறவும்.
தனிப்பயன் உச்சரிப்புகளை வரையறுக்கவும் (வார்த்தை = உச்சரிப்பு):
& பற்றி 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.
சிறந்த: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content
அனைத்தையும் உலாவுக Ming-Omni TTS குரல்கள்ஒரு பார்வை
- உருவாக்குநர்
- inclusionAI
- உரிமம்
- Apache 2.0
- மிருகம்
- free
- வேகம்
- medium
- குரல் ஒப்புமை
- ஆம்
- மொழிகள்
- English, Chinese
- அதிகபட்ச எழுத்துக்கள்
- 1000