మాట్లాడటానికి వచనం AI ఏజెంట్స్‌ సంగీతం (w) వచనముకు మాట్లాడు శబ్డం క్లుంకింగ్ స్వర రూపంName అమ్మకం ఎక్కువ
తప్పు / సారూప్య అభ్యర్ధనను తెలుపుము
OuteTTS

OuteTTS టి టిఐఎస్

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

0/500 అక్షరములు · ప్రతీ తరం 5,000 కోసం సంతకం చేయండి →
అప్ సంతకం 5,000 అక్షర పరిమితి కొరకు

ఖచ్చితమైన నియంత్రణ కొరకు మీ వచనాన్ని SSML టాగ్సును పునరాచరణ చేయుము:

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

ఎంపిక చేసిన మోడల్ అర్థం చేసుకుంటుంది. అది జరిగిన మీ వచనంలో ఒకదాని వేయి పెట్టండి:

ఈ నమూనా సాదా వచనము చదువుతుంది, అందువలన అంతర్-లైన్ టాగ్సు విస్మరించబడుతుంది. టాగ్ ఆధార భావన కొరకు, ఆర్‌ఫెయిస్ లేదా బార్క్ వంటి ఎడిస్‌బార్ నమూనాకు మారుతుంది.

నిర్దేశిత ఉచ్ఛారణలను (పదం = ఉచ్ఛారణ):

-12 +12
మీ స్నేహితులను ప్రేమించడమా?

గురించి 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.

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

(l) అన్ని బ్రౌజర్లను అన్వెషించు OuteTTS స్వరాలు

ఒక దృష్టిలో

డెవలపర్
OuteAI
లైసెన్సు
Apache 2.0
టిజర్
free
వేగము
slow
స్వరం
వద్దు
భాషలుName
English
గరిష్ట ఆక్షరములు
1000

OuteTTS స్వరాలు

Female 1 (Neutral)

English
ఖాళీ Female

OuteTTS టికెట్లు —⁠ 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.
← అన్ని స్వరాలు