Tortoise TTS អត្ថបទទៅសំឡេង
A quality-first autoregressive model — slow, but among the most realistic open-source speech available.
រុំអត្ថបទរបស់អ្នកក្នុងស្លាក SSML សម្រាប់ការត្រួតពិនិត្យជាក់លាក់ ៖
<speak><prosody rate="slow">Slow speech</prosody></speak>
ស្លាកដែលម៉ូដែលដែលបានជ្រើសយល់ — ចុចដើម្បីទម្លាក់មួយទៅក្នុងអត្ថបទរបស់អ្នកនៅកន្លែងដែលវាកើតឡើង ៖
ម៉ូដែលនេះអានអត្ថបទធម្មតា ដូច្នេះស្លាកក្នុងបន្ទាត់ត្រូវបានមិនអើពើ ។ សម្រាប់អារម្មណ៍ដែលមានមូលដ្ឋានលើស្លាក ប្ដូរទៅម៉ូដែលបង្ហាញដូចជា Orpheus ឬ Bark ។
កំណត់ការបញ្ចេញសំឡេងផ្ទាល់ខ្លួន (ពាក្យ = ការបញ្ចេញសំឡេង) ៖
អំពី Tortoise TTS
Tortoise TTS, created by James Betker, deliberately trades speed for quality. It is an autoregressive multi-voice system using a DALL-E-inspired architecture, and it produces some of the most realistic synthetic speech in the open-source ecosystem, with excellent prosody and speaker similarity. The name is a nod to its pace: it is noticeably slower than most alternatives, but the payoff is studio-grade output. It supports multiple voices and voice cloning (which benefits from a longer reference, around fifteen seconds), making it a long-standing favorite for audiobooks and premium narration where wait time is acceptable. Tortoise is English-focused and released under the permissive Apache 2.0 license.
ល្អបំផុតសម្រាប់: Audiobooks, premium content, quality-first applications
រកមើលទាំងអស់ Tortoise TTS សំឡេងទិដ្ឋភាពទូទៅ
- អ្នកអភិវឌ្ឍន៍
- James Betker
- អាជ្ញាបណ្ណ
- Apache 2.0
- ផ្កាយ
- premium
- ល្បឿន
- slow
- ការក្លូនសំឡេង
- បាទ/ ចាស
- ភាសា
- English
- តួអក្សរអតិបរមា
- 2000