Značky, ktorým vybraný model rozumie — kliknutím ich umiestnite do textu tam, kde sa vyskytujú:
Tento model číta obyčajný text, takže vnorené značky sa ignorujú.Pre emócie založené na značkách prejdite na expresívny model ako Orpheus alebo Bark.
Dnes ocenený technológiou Qwen3-TTS; ďalšie expresívne modely budú k dispozícii už čoskoro.
Tento model nepodporuje štýl inštrukcie — prepnite na model, ktorý to robí (napr Qwen3-TTS).
Definovať vlastné výslovnosti (slovo = výslovnosť):
-12
+12
Ovláda expresivitu (0 = neutrálne, 1 = veľmi expresívne)
Navádzacia hmotnosť bez klasifikátora (vyššia = viac pokynov)
Popíšte štýl hlasu v prirodzenom jazyku (Parler používa tento namiesto prednastavených hlasov)
Dia Dialóg formát: Použite [S1] a [S2] značky na označenie rôznych reproduktorov. Príklad: [S1] Ahoj tam! [S2] Ahoj, ako sa máš?
Toto je prémiový hlasový model, ktorý je k dispozícii na akomkoľvek platenom pláne, ale stále si môžete pozrieť jeho hlasy zadarmo pomocou tlačidla prehrávania vedľa výberu hlasu.
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.
Najlepšie pre: Studio-quality single-speaker synthesis, professional narration
MIT (code); pre-trained model requires telling listeners the speech is synthesized
Zvieratá
premium
Rýchlosť
medium
Klonovanie hlasu
Nie
Jazyky
English
Max. počet znakov
500
StyleTTS 2 hlasy
Default
English
PrémiaNeutral
StyleTTS 2 TTS — Často kladené otázky
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.
Zadajte svoj e-mail, aby ste získali 15 000 znakov zadarmo a pokračovali v generovaní reči.
Nepotrebujete žiadne heslo – pošleme vám e-mail s odkazom na nastavenie hesla neskôr.
Dosiahnutý limit bezplatnej úrovne
Vytvoriť si účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac, alebo si vytvoriť účet zdarma a získať 15 000 bonusových znakov plus 10 000 znakov zadarmo každý mesiac.
