Tags, die das ausgewählte Modell versteht — klicken Sie, um einen in Ihren Text zu legen, wo es passiert:
Dieses Modell liest Text, so dass Inline-Tags ignoriert werden. Für tag-basierte Emotion, wechseln Sie zu einem ausdrucksstarken Modell wie Orpheus oder Bark.
Natürlich-Sprache Lieferung Stichworte. Geehrt von Qwen3-TTS heute; andere ausdrucksstarke Modelle kommen bald.
Dieses Modell unterstützt keine Style-Anweisungen — wechseln Sie zu einem Modell, das es tut (z.B. Qwen3-TTS).
Kontrolliert die Expressivität (0 = neutral, 1 = sehr ausdrucksstark)
Klassifikator-freies Führungsgewicht (höher = mehr prompt folgend)
Beschreiben Sie den Sprachstil in natürlicher Sprache (Parler verwendet diese anstelle von voreingestellten Stimmen)
Dia-Dialog-Format: Verwenden Sie [S1] und [S2] Tags, um verschiedene Lautsprecher zu markieren. Beispiel: [S1] Hallo da! [S2] Hallo, wie geht es Ihnen?
Dies ist ein Premium-Stimmemodell, verfügbar auf jedem bezahlten Plan. Sie können immer noch Vorschau seiner Stimmen frei mit der Wiedergabe-Taste neben der Stimme Picker.
StyleTTS 2, developed at Columbia University, achieves human-level text-to-speech for single-speaker synthesis by combining style diffusion with adversarial training guided by large speech language models. Its diffusion-based style modeling captures the full natural variation of human speech — subtle shifts in rhythm, emphasis, and tone — so output can rival real recordings. It is widely regarded as one of the most natural-sounding open single-speaker models, which makes it a strong choice for studio-quality narration and professional voiceover where polish matters more than cloning or multilingual range. StyleTTS 2 is English-focused and released under the permissive MIT license.
Das Beste für: Studio-quality single-speaker synthesis, professional narration
MIT (code); pre-trained model requires telling listeners the speech is synthesized
Tierart
premium
Geschwindigkeit
medium
Klonen der Stimme
Nein
Sprachen
English
Maximale Zeichen
500
StyleTTS 2 Stimmen
Default
English
PrämieNeutral
StyleTTS 2 TTS — FAQ
It combines style diffusion with adversarial training using large speech language models. The diffusion-based style modeling captures the full range of human speech variation, producing output that can rival real recordings.
No. It is focused on producing the most natural single-speaker synthesis rather than cloning a specific voice. For cloning, use a model like Chatterbox or GPT-SoVITS.
Studio-quality single-speaker work — professional narration and voiceover — where naturalness and polish are the priority. It is English-focused and MIT-licensed.
Geben Sie Ihre E-Mail, um 15.000 freie Zeichen zu erhalten und halten Sie Erzeugung Rede.
Kein Passwort benötigt — wir werden Ihnen später einen Link per E-Mail zusenden, um einen zu setzen.
Freie Tiergrenze erreicht
Sie haben Ihre 5.000 freien täglichen Zeichen verwendet. Erstellen Sie ein kostenloses Konto, um 15.000 Bonuszeichen plus 10.000 freie Zeichen jeden Monat zu erhalten.
