Thẻ mà mô hình đã chọn hiểu — nhấn để thả một trong văn bản của bạn nơi nó xảy ra:
Mô hình này đọc văn bản đơn giản, vì vậy các thẻ trong dòng sẽ bị bỏ qua. Đối với cảm xúc dựa trên thẻ, hãy chuyển sang mô hình biểu cảm như Orpheus hay Bark.
Được Qwen3-TTS tôn vinh hôm nay; các mô hình biểu cảm khác sẽ sớm ra mắt.
Mô hình này không hỗ trợ các lệnh kiểu — chuyển sang một mô hình có (ví dụ Qwen3-TTS).
Định nghĩa cách phát âm tùy chỉnh (từ = phát âm):
-12
+12
Điều khiển độ biểu cảm (0 = trung tính, 1 = rất biểu cảm)
Trọng lượng hướng dẫn miễn phân loại (tăng = theo lời nhắc nhiều hơn)
Mô tả kiểu giọng nói bằng ngôn ngữ tự nhiên (Parler dùng nó thay vì giọng nói mặc định)
Định dạng hộp thoại Dia: Dùng thẻ [S1] và [S2] để đánh dấu các loa khác nhau. Ví dụ: [S1] Chào! [S2] Chào, anh thế nào?
Đây là mô hình giọng nói cao cấp, có sẵn trên bất kỳ kế hoạch trả tiền nào. Bạn vẫn có thể xem trước giọng nói miễn phí bằng nút chơi bên cạnh trình chọn giọng nói.
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.
Tốt nhất cho: Edge deployment, browser-based TTS, low-resource environments
CC BY-NC-SA 4.0 (weights, non-commercial) + Llama 3.2 Community (base)
Chỉ dùng cá nhân và không thương mại
Thú
free
Tốc độ
slow
Ký âm
Không
Ngôn ngữ
English
Tối đa các ký tự
1000
OuteTTS giọng nói
Female 1 (Neutral)
English
Tự doFemaleChỉ dùng cá nhân và không thương mại
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.
