Oznake koje odabrani model razumije — kliknite da biste ih ubacili u tekst gdje se pojavljuju:
Ovaj model čita običan tekst, tako da se inline oznake ignoriraju. Za emocije zasnovane na oznakama, prebacite se na ekspresivni model poput Orpheusa ili Bark-a.
Prirodni jezik dostave signala. Poštovan od strane Qwen3-TTS danas; drugi ekspresivni modeli dolaze uskoro.
Ovaj model ne podržava stilske instrukcije - prebacite se na model koji ih podržava (npr. Qwen3-TTS).
Definirajte vlastite izgovore (riječ = izgovor):
-12
+12
Kontrolira ekspresivnost (0 = neutralno, 1 = vrlo ekspresivno)
Težina vodilja bez klasifikatora (više = više praćenja prompta)
Opis stila glasa u prirodnom jeziku (Parler koristi ovo umjesto unaprijed postavljenih glasova)
Dia Dialog Format: Koristite [S1] i [S2] oznake za označavanje različitih govornika. Primjer: [S1] Zdravo! [S2] Zdravo, kako ste?
Ovo je premium model glasa, dostupan na bilo kojem plaćenom planu. Još uvijek možete besplatno pregledati njegove glasove pomoću gumba za reprodukciju pored birača glasa.
OuteTTS by OuteAI takes a language-model approach to speech: it extends an LLM with text-to-speech capability while keeping the original architecture intact, so it can run through standard LLM tooling. That gives it unusually broad backend support — llama.cpp on CPU or GPU, Hugging Face Transformers, ExLlamaV2, VLLM, and even in-browser inference via Transformers.js. It is a natural fit for edge deployment and low-resource environments where running a model client-side or on CPU matters more than raw speed. On TTS.ai it is offered on the free tier for English. Because the LLM-based pipeline is slow on long inputs, it is best used for shorter regular text rather than long-form cloning.
Najbolje za: Edge deployment, browser-based TTS, low-resource environments
CC BY-NC-SA 4.0 (weights, non-commercial) + Llama 3.2 Community (base)
Samo za ličnu i nekomercijalnu upotrebu
Životinje
free
Brzina
slow
Kloniranje glasa
Ne, ne, ne.
Jezici
English
Maksimalan broj znakova
1000
OuteTTS glasovi
Female 1 (Neutral)
English
SlobodanFemaleSamo za ličnu i nekomercijalnu upotrebu
OuteTTS FAQ
Across many backends — llama.cpp (CPU or GPU), Hugging Face Transformers, ExLlamaV2, VLLM, and even directly in the browser through Transformers.js — because it preserves the underlying LLM architecture.
Its LLM-based design runs efficiently on CPU and in the browser, so it can operate client-side or on modest hardware without a dedicated GPU.
It works best on shorter inputs. The LLM-based pipeline is slow on long passages, so it is offered for regular short-to-medium TTS rather than long-form generation.
Unesite svoj email da biste dobili 15.000 besplatnih znakova i nastavili sa stvaranjem govora.
Nema potrebe za šifrom — poslat ćemo vam link da ga postavite kasnije.
Dosegnuto ograničenje slobodnih nivoa
Iskoristili ste svojih 5000 besplatnih znakova dnevno.Napravite besplatni račun da biste dobili 15000 bonus znakova plus 10 besplatnih znakova svaki mjesec.
