Mots clés le modèle sélectionné comprend — cliquez pour en déposer un dans votre texte où il se produit:
Ce modèle lit du texte clair, donc les balises en ligne sont ignorées. Pour l'émotion basée sur les tags, passer à un modèle expressif comme Orphée ou Bark.
Mentionnée par Qwen3-TTS aujourd'hui; d'autres modèles expressifs arrivent bientôt.
Ce modèle ne prend pas en charge les instructions de style — passer à un modèle qui le fait (par exemple Qwen3-TTS).
Définir les prononciations personnalisées (mot = prononciation) :
-12
+12
Contrôle de l'expressivité (0 = neutre, 1 = très expressif)
Poids indicatif sans classificateur (plus élevé = suivi plus rapide)
Décrivez le style de la voix en langage naturel (Parler utilise ceci au lieu de voix prédéfinies)
Format de la boîte de dialogue : Utilisez les balises [S1] et [S2] pour marquer différents haut-parleurs. Exemple: [S1] Bonjour! [S2] Bonjour, comment allez-vous?
Il s'agit d'un modèle de voix premium, disponible sur n'importe quel forfait payant. Vous pouvez toujours prévisualiser ses voix gratuitement avec le bouton de lecture à côté du sélectionneur de voix.
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.
Meilleur pour: Studio-quality single-speaker synthesis, professional narration
MIT (code); pre-trained model requires telling listeners the speech is synthesized
Niveau
premium
Régime
medium
Closonnage de la voix
Numéro
Langues
English
Caractères max.
500
StyleTTS 2 voix
Default
English
PrimeNeutral
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.
Entrez votre e-mail pour continuer à générer la parole gratuitement, ou inscrivez-vous pour 15 000 caractères bonus.
Pas de mot de passe nécessaire — nous vous enverrons un lien pour en définir un plus tard.
Limite de niveau libre atteinte
Vous avez utilisé vos 5 000 caractères quotidiens gratuits. Créez un compte gratuit pour obtenir 15 000 caractères bonus plus 10 000 caractères gratuits chaque mois.
Vous avez atteint votre limite de modèle libre. Mettez à niveau pour plus de caractères, ou achetez un pack de caractères pour utiliser des modèles premium.
