Seçilmiş modeli anlayan etiketler — bir tanesini metinde olduğu yere bırakmak için tıklayınız:
Bu model sıradan metin okur, bu yüzden satır içindeki etiketler göz ardı edilir. Etiket tabanlı duygular için, Orpheus veya Bark gibi ifadesel bir modele geçin.
Doğal dil iletimi işaretleri. Bugün Qwen3-TTS tarafından onurlandırıldı; diğer ifade modelleri yakında gelecek.
Bu model stil talimatlarını desteklemez — yapabilecek bir modele geçin (örneğin Qwen3-TTS).
Özel telaffuzları tanımla (kelime = telaffuz):
-12
+12
İfadeciliği kontrol eder (0 = tarafsız, 1 = çok ifadeci)
Sınıflandırıcı-sıfır rehberlik ağırlığı (yüksek = daha fazla uyarı-izleme)
Ses tarzını doğal dil ile tanımla (Parler önde belirlenmiş sesler yerine bunu kullanır)
Dia diyalog biçimi: Farklı konuşmacıları işaretlemek için [S1] ve [S2] etiketlerini kullanın. Örnek: [S1] Merhaba! [S2] Merhaba, nasılsın?
Bu, herhangi bir ücretli planda mevcut olan premium bir ses modelidir. Ses seçicisinin yanındaki oynat düğmesi ile sesleri ücretsiz olarak önizleyebilirsiniz.
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.
En iyi: Edge deployment, browser-based TTS, low-resource environments
CC BY-NC-SA 4.0 (weights, non-commercial) + Llama 3.2 Community (base)
Sadece kişisel ve ticari olmayan kullanım için
Hayvan
free
Hız
slow
Ses klonlama
Hayır.
Dilleri
English
Maksimum karakterler
1000
OuteTTS sesleri
Female 1 (Neutral)
English
ÖzgürFemaleSadece kişisel ve ticari olmayan kullanım için
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.
