Marcus

TADA (Text-Acoustic Dual Alignment) ng Hume AI ay isang makabagong TTS modelo na nag-aalis ng mga halimaw sa pamamagitan ng isang nobelang dual alituntunin architecture na itinayo sa Llama 3.2. Available sa 1B (Ingles) at 3B (multilingual) mga pagkakaiba-iba, TADA ay nakamit ng isang RTF ng 0.09 -5x mas mabilis kaysa sa mga katumbas na LLM-based na mga modelo TTS. Ito ay sumusuporta sa hanggang sa 700 segundo ng audio konteksto at gumagawa ng emosyonal na masining na pagsasalita na may zero halimaw sa mga pamantayan benchmarks.

Ang TADA ay binuo ni Hume AI at inilabas sa ilalim ng MIT license, na nagpapahintulot ng komersyal na paggamit ng audio na ginawa.

Ang TADA ay sumusuporta sa 1 wika: Ingles.

> TADA ay sa Standard tier —2credits bawat 1,000 mga character. Maaari mong i-preview ang anumang TADA boses para sa libreng bago pagbuo ng buong audio.

TADA ay may napakabilis na bilis ng henerasyon. Ito ay tumatakbo sa malapit na real-time, na ginagawang angkop para sa streaming at interactive na mga application.

TADA ay may markang 5/5 para sa kalidad ng audio sa TTS.ai. Ito ay nagbibigay ng studio-grade, tao-tulad ng pagsasalita.

Hindi, ang TADA ay gumagamit ng isang nakapirming hanay ng built-in na boses. Para sa pag-clone ng boses, subukan ang mga modelo tulad ng CosyVoice2, GPT-SoVITS, o Chatterbox.

TADA ay partikular na inirerekomenda para sa mataas na kalidad ng mga hallucinations-free speech, emosyonal na ekspresyon, mabilis na pagbubuod. nito zero hallucinations, 5x mas mabilis kaysa sa llm tts, emosyonal na mga kakayahan ng ekspresyon gawin itong isang mahusay na pagpipilian para sa paggamit na ito kaso.

Oo, ang TADA ay lisensyado sa ilalim ng MIT, na nagpapahintulot sa komersyal na paggamit. Ang audio na nabuo sa pamamagitan ng mga boses ng TADA ay maaaring gamitin sa mga video, podcast, apps, laro, at anumang iba pang komersyal na proyekto.

Oo, lahat ng boses sa TTS.ai ay gumagamit ng mga modelong open-source na may lisensya ng komersyal (MIT, Apache 2.0). Ang audio na nabuo ay iyong gamitin sa mga video, podcast, apps, laro, at anumang iba pang mga komersyal na application.

Ipadala ang isang POST na kahilingan sa /api/v1/tts/ na may pangalan ng modelo at boses ID. Tingnan ang aming API Documentation page para sa mga halimbawa ng code sa Python, JavaScript, Go, at cURL.

> Oo, i-click ang play button sa pahinang ito upang marinig ang isang sample. Maaari mo ring i-type ang custom na teksto sa Text to Speech page at makabuo ng isang libreng preview sa anumang boses.