Žymos pasirinktas modelis supranta — spustelėkite, kad įmestų vieną į tekstą, kur tai atsitinka:
Šis modelis skaito paprastą tekstą, todėl į eilę orientuotos žymės yra ignoruojamos. Dėl įsagų pagrindu išreikštos emocijos pereikite prie tokio išraiškingo modelio kaip Orpheus arba Bark.
Gamtos kalbos pristatymo cues. Garbinamas QWEN3-TTS šiandien; kiti išraiškingi modeliai artėja greitai.
Šis modelis nepalaiko stiliaus instrukcijų – pereina prie modelio, kuris yra (pvz., Qwen3-TTS).
Apibrėžti užsakymą tarimas (žodžio = tarimas):
-12
+12
Kontrolės išraiškingumas (0 = neutralus, 1 = labai išraiškingas)
Klasifikatoriaus neturintis orientyras svoris (didesnis = greitesnis sekimas)
Apibūdinkite balso stilių natūralia kalba (Parler naudoja tai vietoj iš anksto nustatytų balsų)
Dialogo formatas: Naudoti [S1] ir < code> [S2] žymes skirtingiems garsiakalbiams pažymėti. Pavyzdys: < code> [S1] Sveiki! [S2] Sveiki, kaip tu?
Tai yra aukščiausios klasės balso modelis, prieinamas bet kuriame mokamame plane. Jūs vis dar galite peržiūrėti savo balsus nemokamai su žaidimo mygtuką šalia balso ieškančiojo.
Pocket TTS comes from Kyutai, the lab behind the Moshi speech model, and is built around a transformer paired with the Mimi codec. At just 100M parameters it runs efficiently on CPU, yet it still supports zero-shot voice cloning from a single audio sample — an unusual feature at this size. It covers English and French and handles up to 1,000 characters per request at fast (~2s) speeds. The small footprint and ~1GB VRAM make it a natural fit for edge deployment and low-resource or CPU-only environments where quick voice cloning is needed.
NeapmuitinamaFemaleTik asmeniniam ir nekomerciniam naudojimui
Eponine
English
NeapmuitinamaFemale
Fantine
English
NeapmuitinamaFemale
Fantine (French)
French
NeapmuitinamaFemale
Javert
English
NeapmuitinamaMale
Jean
English
NeapmuitinamaMaleTik asmeniniam ir nekomerciniam naudojimui
Jean (French)
French
NeapmuitinamaMaleTik asmeniniam ir nekomerciniam naudojimui
Marius
English
NeapmuitinamaMale
Pocket TTS TTS – DUK
Yes. Pocket TTS does zero-shot voice cloning from a single reference sample (about 3 seconds), which is notable for a model this small.
Yes. At 100M parameters it runs efficiently on CPU and needs only about 1GB VRAM if a GPU is used, making it well suited to edge and low-resource deployment.
Mostly. Pocket TTS weights are released under CC BY 4.0 and it sits in the free tier. Its Jean and Cosette voices come from non-commercial datasets and are marked "Personal and non-commercial use only" on every plan. Audio from its other voices is for personal use on the free tier and can be used commercially on any paid plan. It supports English and French.
Įveskite savo el. laišką gauti 15,000 nemokamai simbolių ir nuolat generuoti kalbą.
Jokio slaptažodžio nereikia – mes jums siųsti nuorodą nustatyti vėliau.
Pasiekta laisvos pakopos riba
Jūs naudojote savo 5000 nemokamai kasdien simbolių. Sukurti nemokamą sąskaitą gauti 15,000 premijų simbolių plius 10,000 nemokamai simbolių kiekvieną mėnesį.
