Etiquetas que o modelo escollido entende - prema para deixar unha no texto onde ocorre:
Este modelo le texto simple, polo que se ignoran as etiquetas inline. Para emocións baseadas en etiquetas, cambie a un modelo expresivo como Orpheus ou Bark.
Indicacións de entrega de linguaxe natural. Honrado por Qwen3- TTS hoxe; outros modelos expresivos en breve.
Este modelo non admite instrucións de estilo; cambie a un modelo que o faga (por ex. Qwen3- TTS).
Controla a expresividade (0 = neutro, 1 = moi expresivo)
Peso de guía libre de clasificadores (maior = máis seguimento)
Describa o estilo de voz en linguaxe natural (Parler usa isto no canto das voces predefinidas)
Formato do diálogo Dia: Empregue as etiquetas < code> [S1] e < code> [S2] para marcar diferentes oradores. Exemplo: < code> [S1] Ola! [S2] Ola, como está?
Este é un modelo de voz premium, dispoñíbel en calquera plan de pago. Pode previsualizar as súas voces gratuitamente co botón de reprodución xunto ao selector de voz.
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.
Mellor para: Edge deployment, browser-based TTS, low-resource environments
CC BY-NC-SA 4.0 (weights, non-commercial) + Llama 3.2 Community (base)
Só uso persoal e non comercial
Tier
free
Velocidade
slow
Clonaxe de voz
Non
Linguas
English
Caracteres máximos
1000
OuteTTS voces
Female 1 (Neutral)
English
LibreFemaleSó uso persoal e non comercial
OuteTTS TTS - 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.
Introduza o seu correo electrónico para seguir xerando fala de balde, ou subscríbase para obter 15. 000 caracteres extra.
Non se precisa contrasinal — enviarémoslle unha ligazón para configurar un máis tarde.
Acadouse o límite de niveis libres
Esgotou os seus 5. 000 caracteres diarios gratuítos. Cree unha conta gratuíta para obter 15. 000 caracteres extra máis 10. 000 caracteres gratuítos cada mes.
