برچسبهایی که مدل برگزیده می‌فهمد — برای انداختن یکی در متن خود ، جایی که اتفاق می‌افتد ، کلیک کنید:
این مدل متن ساده را می‌خواند ، بنابراین برچسبهای خطی نادیده گرفته می‌شوند. برای احساسات مبتنی بر برچسب ، به یک مدل بیانی مانند Orpheus یا Bark تغییر دهید.
نشانههای ارائه زبان طبیعی. امروز توسط Qwen3-TTS مورد تقدیر قرار گرفت؛ مدلهای بیانی دیگر به زودی در دسترس خواهند بود.
این مدل از دستورالعملهای سبک پشتیبانی نمیکند - به مدلی که پشتیبانی میکند (مثل Qwen3-TTS) تغییر دهید.
تعریف تلفظ سفارشی) کلمه = تلفظ (:
-12
+12
کنترل بیان) ۰ = خنثی ، ۱ = بسیار بیانگر (
وزن راهنمایی بدون طبقهبندیکننده (بالاتر = بیشتر دنبالکننده)
توصیف سبک صدا به زبان طبیعی) Parler به جای صداهای پیشفرض از این استفاده میکند (
قالب محاورۀ Dia: از برچسبهای [S1] و [S2] برای نشان دادن بلندگوهای مختلف استفاده کنید. مثال: [S1] سلام! [S2] سلام، چطوری؟
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.
بهترین برای: Edge deployment, browser-based TTS, low-resource environments
CC BY-NC-SA 4.0 (weights, non-commercial) + Llama 3.2 Community (base)
فقط برای استفاده شخصی و غیرتجاری
حیوان
free
سرعت
slow
شبیه‌سازی صدا
نه
زبانها
English
بیشینه نویسه‌ها
1000
OuteTTS صداها
Female 1 (Neutral)
English
آزادFemaleفقط برای استفاده شخصی و غیرتجاری
OuteTTS FAQ - پرسش و پاسخ
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.
