തെരഞ്ഞെടുത്ത മാതൃക മനസ്സിലാക്കുന്നത് ടാഗ് (കുടികള്‍) :
ഈ മോഡ് സാധാരണ പദാവലി വായിക്കുന്നു, അതുകൊണ്ട് ഇന്‍ലൈന്‍ തൊങ്ങല്‍ അവഗണിപ്പിക്കുന്നു. ടാഗ് അടിസ്ഥാനപരമായ വികാരങ്ങള്‍ക്കു് ഓര്‍ഫിയസ് അല്ലെങ്കില്‍ ബാര്‍ക് പോലുള്ള ഒരു ചിത്രീകരണ മോഡില്‍ മാറുക.
ജനിതക ഭാഷാപ്രവര്ത്തനം. ഇന്ന് ക്വെന്3-TTS ബഹുമാനം നേടിയിരിക്കുന്നു; മറ്റു ചിത്രീകരണ മോഡലുകള് ഉടന് തന്നെ വരും.
ഈ മോഡ് സ്റ്റൈല്‍ നിര്ദ്ദേശങ്ങള് പിന്തുണയ്ക്കുന്നില്ല — ഇത് ചെയ്യുന്ന മോഡലിലേക്ക് (ഉദാ. QVn3-TTS) മാറുക.
ഇഷ്ടപ്പെട്ട ഉച്ചാരണം നിര്‍വ്വചിക്കുക (വാക്ക് = ഉച്ചാരണം):
-12
+12
നിയന്ത്രണം കാണിയ്ക്കുന്നതാണു് (0 = നിഷ്പക്ഷം, 1 = വളരെ അര്ത്ഥമുള്ളതു്)
ക്ലാസ്- സ്വതന്ത്ര മാര്ഗദര്ശന തൂക്കം (ഏറ്റവും ഉയര്ന്ന = കൂടുതല്‍ വേഗത്തില് വഴികൂട്ടല്)
ശബ്ദരീതിയെ സ്വാഭാവിക ഭാഷയില് വിവരിക്കുക (പ്രിഡ്യൂള് ശബ്ദങ്ങള്ക്ക് പകരം തരുന്നു)
Dia ഡയലോഗ് രീതി: വ്യത്യസ്തമായ സ്പിക്കറുകള് അടയാളപ്പെടുത്താന് [S1], [S2] ടാഗ് ഉപയോഗിക്കുക. ഉദാഹരണം: [S1] ഹലോ! [S2] ഹലോ, എന്തൊക്കെയുണ്ട്?
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.
അതിനു വേണ്ടിയുള്ള ഏറ്റവും നല്ല സ്ഥലം.: Edge deployment, browser-based TTS, low-resource environments
CC BY-NC-SA 4.0 (weights, non-commercial) + Llama 3.2 Community (base)
സ്വകാര്യവും കോമറേഷനില്ലാത്ത ഉപയോഗം മാത്രം
ടിയെര്‍
free
വേഗത
slow
ശബ്ദമിശ്രണോപാധി
ഇല്ല
ഭാഷകള്‍
English
ഏറ്റവും കൂടിയ ക്യാരക്ടറുകള്‍
1000
OuteTTS ശബ്ദങ്ങള്‍
Female 1 (Neutral)
English
ഫ്രീFemaleസ്വകാര്യവും കോമറേഷനില്ലാത്ത ഉപയോഗം മാത്രം
OuteTTS ടിടിഎസ് — എഫ്‌എക്‌സി
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.
നിങ്ങള്‍ നിങ്ങളുടെ സ്വതന്ത്ര മോഡല്‍ പരിധിയില് എത്തിയിരിക്കുന്നു. കൂടുതല്‍ അക്ഷരങ്ങള്ക്ക് അപ്ഗ്രേഡ് ചെയ്യുക, അല്ലെങ്കില്‍ ആക്ടീവ് മോഡലുകള് ഉപയോഗിക്കാന് ഒരു പാക്ക് വാങ്ങുക.
