Ming-Omni TTS ТТС
A compact 0.5B omni-modal speech model with near-CD-quality 44.1kHz output and zero-shot voice cloning.
Матнро дар SSML тегҳо барои идоракунии дақиқ гузоред:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Барчаспҳо, ки аз тарафи намунаи интихобшуда фаҳмида мешаванд - барои гузоштани яке аз онҳо дар матни худ, ки дар он ҷо рӯй медиҳад, пахш кунед:
Ин намуна матни оддиро мехонад, аз ин рӯ, нишонаҳои дар сатр бударо нодида мегиранд. Барои нишонаҳои асосӣ ба намунаи ифодакунандаи Orpheus ё Bark гузаред.
Муайян кардани талаффузи оддӣ (калима = талаффуз):
Дар бораи 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.
Беҳтарин барои: High-fidelity bilingual narration, emotion-controlled voice acting, Chinese audiobook content
Баррасии ҳама Ming-Omni TTS овозҳоДар як назар
- Тайёркунанда
- inclusionAI
- Иҷозатнома
- Apache 2.0
- & Тағйиротҳо
- free
- Суръат
- medium
- Тасвири овоз
- & Тасвир
- Забонҳо
- English, Chinese
- Аломатҳои зиёд
- 1000