OuteTTS

OuteTTS TTSName

An LLM-based TTS that runs on CPU, GPU, or even in the browser via llama.cpp and Transformers.js.

დარეგისტრირება 5000 სიმბოლოს საზღვარი

ტექსტის გადატანა SSML ჭდეებში ზუსტი კონტროლისთვის:

<speak><prosody rate="slow">Slow speech</prosody></speak>

მონიშნული მოდელისთვის გასაგები ჭდეები - დააწკაპუნეთ, რომ ერთი ჭდე თქვენს ტექსტში ჩააგდოთ, სადაც ის მოხდება:

ეს მოდელი კითხულობს ჩვეულებრივ ტექსტს, ამიტომ შიგნით თავსებული ჭდეები იგნორირდება. ჭდეებზე დაფუძნებული ემოციებისთვის გადადით გამოხატვის მოდელში, როგორიცაა Orpheus ან Bark.

ინდივიდუალური გამოთქმების განსაზღვრა (სიტყვი = გამოთქმა):

-12 +12
0.5x 2.0x
თავისუფალი Piper, VITS, MeloTTS- ით
აქ გამოჩნდება თქვენი შექმნილი აუდიო. აირჩიეთ მოდელი, შეიყვანეთ ტექსტი და დააჭირეთ "შექმნა".
აუდიო წარმატებით შექმნილია
0:00
აუდიოს ჩამოტვირთვა ჩამოტვირთვა ბმულის ვადა მთავრდება 24 საათში
Freeware: თავისუფალი პროგრამა. კომერციული ლიცენზია $5/თვედან
ჟაკაქ TTS.ai? კაზთ თმ ნა ოპთ£არვლთრვ ჟთ!

ინფორმაცია OuteTTS

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.

საუკეთესოა: Edge deployment, browser-based TTS, low-resource environments

ყველას დათვალიერება OuteTTS ხმა

ჟ მალკჲ ოჲდლვენსგაŒვ

პროგრამისტი
OuteAI
ლიცენზია
Apache 2.0
იანვარი
free
სიჩქარე
slow
ხმა
ნვ, ნვ ჟყმ.
ენაName
English
სიმბოლოების მაქსიმალური რაოდენობა
1000

OuteTTS ხმა

Female 1 (Neutral)

English
თავისუფალი Female

OuteTTS TTS - ხშირად დასმული კითხვები

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.
← ყველა ხმა