Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:
Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.
Природно-јазичен сигнал, почитуван од Квен3-ТТС денес, наскоро доаѓаат други експресивни модели.
Овој модел не поддржува упатства во стилот — префрли се на модел кој го прави (на пример Qwen3- TTS).
Дефинирај ги сопствените изговори (слов = изговор):
-12
+12
Контролира експресност (0 = неутрална, 1 = многу експресивна)
Тежина без класификатор (повисока = повеќе брза следење)
Опиши го стилот на глас на природен јазик (Парлер го користи ова наместо предефинирани гласови)
Формат на Dia Dialog: Користете [S1] и [S2] ознаки за различни звучници. Пример: [S1] Здраво таму! [S2] Здраво, како сте?
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.
CC BY-NC-SA 4.0 (weights, non-commercial) + Llama 3.2 Community (base)
Само лична и некомерцијална употреба
Ниво
free
Брзина
slow
Гласовно клонирање
Не.
Јазици
English
Макс. знаци
1000
OuteTTS гласови
Female 1 (Neutral)
English
СлободенFemaleСамо лична и некомерцијална употреба
OuteTTS TTS — Прашања
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.
