Помечает выбранную модель, которая понимает — нажмите, чтобы выкинуть одну в ваш текст, где она случается:
Эта модель читает простой текст, поэтому встраиваемые метки игнорируются. Для эмоций на основе метки переключайтесь на экспрессивную модель, как Орфей или Барк.
Натурально-лингвистические сигналы. Почетен сегодня Qwen3-TTS; скоро придут другие экспрессивные модели.
Эта модель не поддерживает инструкции стиля — переключаться на модель, которая есть (например, Qwen3-TTS).
Определить традиционные произношения (слово = произношение):
-12
+12
Контроль экспрессивности (0 = нейтральная, 1 = очень экспрессивная)
Недифференцируемый грузоподъемность (более высокая = более быстрое следование)
Опишите стиль голоса на естественном языке (Парлер использует это вместо предварительного нажатия голоса)
Диалоговый формат: Используйте <код>[S1] и <код>[S2] метки для обозначения различных ораторов. Пример: <код>[S1] Алло! [S2] Привет, как вы?>/код>
Это премиальная голосовая модель, доступная на любом платном плане. Вы можете бесплатно презентовать его голоса с кнопкой для воспроизведения рядом с голосовым пикателем.
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.
Лучший для: Studio-quality single-speaker synthesis, professional narration
MIT (code); pre-trained model requires telling listeners the speech is synthesized
Тяжелый
premium
Скорость
medium
Клонирование голоса
Нет
Знание языков
English
Максимум символов
500
StyleTTS 2 голоса
Default
English
ПремиумNeutral
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.
Введите email, чтобы получить 15,000 бесплатных символов и продолжить генерировать речь.
Пароль не нужен - мы направим вам ссылку, чтобы установить его позже.
Свободный предел роста
Вы использовали 5,000 бесплатных дневных символов. Создайте бесплатный аккаунт, чтобы получить 15,000 бонусных символов плюс 10,000 бесплатных символов каждый месяц.
