पाठ्य ते वक्तव्यName AI प्रतिनिधी संगीत ऑडिओ ते पाठ्यName आवाज क्लोनिंग आवाज रचना बाजारपेठ अधिक
Spark TTS

Default

मुलभूत इंग्लिशName Neutral Spark TTS

Default हे neutral AI आवाज आहे जे Spark TTS पाठ्य- ते- वक्तव्य मॉडेल द्वारे चालविले जाते. हा मानक स्तर आवाज इंग्लिशName बोलतो व उच्च- गुणवत्तेचे वक्तव्य संश्लेषण पुरवतो. याचा अर्थ असा की, जर द्रव्याचे द्रव्यमान व त्याचे गुरुत्व यांचे गुणोत्तर ५ असेल तर ते द्रव्यमान द्रव्यमान असते. यामुळे यंत्राच्या वापरात सुधारणा झाली व यंत्राचा वापर सुरक्षित बनला. मुख्य लेख: तत्त्वज्ञानातील संकल्पना Spark TTS मॉडेल सुद्धा आवाज क्लोनिंगला समर्थन देते - एकच गुणवत्ता गुणधर्म राखून ठेवणारा एक इच्छिक आवाज तयार करण्यासाठी एक छोटा ऑडिओ नमूना अपलोड करा.

अद्याप दर्जा नाही
या आवाजाचा प्रयत्न करा सर्व Spark TTS आवाज

Spark TTSआवृत्ती माहिती

मॉडेल Spark TTS
डेव्हलपर SparkAudio
गुणवत्ता
वेग माध्यम
परवाना CC BY-NC-SA 4.0
क्लोन करत आहे समर्थीत
जानेवारी चा मानक (2 क्रेडिट/ 1K अक्षरे)
परिमाणे 500M
आर्किटेक्चर BiCodec + LLM + Flow Matching
वर्ष 2025

सर्वोत्तम वापराचे प्रकार Default

या आवाजाच्या वैशिष्ट्यांवर आधारीत अनुप्रयोग

ऑडिओबुक व कथनName

याचे कारण म्हणजे या कोशात अनेक प्रकारचे शब्द व शब्दसमूह आहेत.

व्हिडीओ आवाज

याशिवाय, मराठी चित्रपट, दूरचित्रवाणी मालिका, सामाजिक विषयांवरील पुस्तके, वगैरे प्रकाशित केली.

इच्छिक ब्रँड आवाज

एक अद्वितीय ब्रँडेड TTS आवाज निर्माण करण्याकरीता या आवाज शैलीचे क्लोन आपल्या स्वतःच्या ऑडिओसह करा.

ई- शिक्षण व प्रशिक्षणName

याशिवाय त्यांनी विविध विषयांवरील पुस्तके, व्याख्याने, व्याख्यानमाला, व्याख्यानमाला, व्याख्यानमाला आदींमधूनही आपले ज्ञान वाढवले आहे.

अधिक Spark TTS आवाज

समान TTS मॉडेल पासून इतर आवाज

Chinese Default

चीनीName Neutral
सर्व दर्शवा Spark TTS आवाज

वारंवार विचारले जाणारे प्रश्न

स्पार्क ऑडिओ द्वारे स्पार्क TTS हे एक पाठ्य-भाष्य मॉडेल आहे जे आवाज क्लोनिंग आणि नियंत्रणीय भावना आणि बोलण्याची शैली एकत्रित करते. फक्त5सेकंद संदर्भ ऑडिओचा वापर करून, ते आवाज क्लोन करू शकते आणि नंतर भिन्न भावना, वेग आणि शैलीसह बोलणे निर्माण करू शकते, दरम्यान क्लोन आवाज ओळख राखून ठेवते. स्पार्क TTS एक प्रोम्ट-आधारित नियंत्रण प्रणाली वापरते.

स्पार्क टीटीएस स्पार्कऑडियोने विकसित केले आहे आणि सीसी बाय-एनसी-एसए ४.

गूगल डूडलला दोन भाषांमधील समर्थन आहे: इंग्रजी आणि चिनी.

स्पार्क TTS मानक स्तरावर आहे -2प्रति 1,000 अक्षरे. तुम्ही पूर्ण ऑडिओ निर्माण करण्यापूर्वी कोणत्याही स्पार्क TTS आवाजाचा मोफत पूर्वदृश्य घेऊ शकता.

Spark TTS चे उत्पन्न वेग मध्यम आहे. सामान्यतः पाठ्य लांबी वर अवलंबून निर्माण करीता काही सेकंद लागतात.

स्पार्क टीटीएसला ऑडिओ गुणवत्तेसाठी TTS.ai वर 4/5 गुण मिळाले आहेत. ते उच्च गुणवत्तेचे, नैसर्गिक आवाजाचे भाषण तयार करते.

होय, स्पार्क TTS शून्य-शॉट आवाज क्लोनला समर्थन देतो. इच्छिक आवाज तयार करण्यासाठी 5-30 सेकंद संदर्भ ऑडिओ अपलोड करा.

होय, स्पार्क TTS क्लोन आवाज व भावनात्मक नियंत्रण सह विषयवस्तु निर्मितीसाठी विशेषतः शिफारस केली जाते. त्याचे आवाज क्लोन, भावनात्मक नियंत्रण, शैली नियंत्रण क्षमता या वापर प्रकरणासाठी एक उत्कृष्ट निवड करते.

होय, स्पार्क TTS CC BY-NC-SA 4.0 अंतर्गत परवानाकृत आहे, जे व्यावसायिक वापरास परवानगी देते. स्पार्क TTS आवाजांसह निर्माण केलेले ऑडिओ व्हिडिओ, पॉडकास्ट, ऍप, खेळ आणि इतर कोणत्याही व्यावसायिक प्रकल्पात वापरले जाऊ शकते.

होय, TTS.ai वरील सर्व आवाज व्यावसायिक-लाइसेन्स ओपन-सोर्स मॉडेल (MIT, Apache 2.0) वापरतात. निर्माण झालेले ऑडिओ व्हिडीओ, पॉडकास्ट, ऍप, खेळ, व इतर कोणत्याही व्यावसायिक अनुप्रयोगात वापरण्याकरीता तुमच्याकडे आहे.

/api/v1/tts/ याकडे मॉडेल नाव आणि आवाज ID सह POST विनंती पाठवा. पायथन, JavaScript, Go, आणि cURL मधील कोड उदाहरणांसाठी आमचे API दस्तऐवजीकरण पान पहा.

होय, या पानावरील चालवा बटणावर क्लिक करा, उदाहरण ऐकण्याकरीता. तुम्ही पाठ्य ते वक्तव्य पानावर इच्छिक पाठ्य टाइप करू शकता व कोणत्याही आवाजासह मोफत पूर्वदृश्य निर्माण करू शकता.

प्रयत्न करा Default आता

कुठलेही पाठ्य टाइप करा व ते ऐकाName Default. वापरण्यासाठी मोफत.

वक्तव्य बनवा नोंदणी करा