Tortoise TTS

Tortoise TTS ТТС

A quality-first autoregressive model — slow, but among the most realistic open-source speech available.

Запиши се. за 5.000 ограничувања на знаци

Опакувајте го вашиот текст во SSML ознаки за прецизна контрола:

<speak><prosody rate="slow">Slow speech</prosody></speak>

Означувања на избраниот модел кои го разбира — кликнете за да го пуштите еден во вашиот текст каде што се случува:

Овој модел чита обичен текст, па значи, во редовните ознаки се игнорираат. За емоции базирани на таг, префрли се на изразителен модел како што е Орфеус или Барк.

Дефинирај ги сопствените изговори (слов = изговор):

-12 +12
0.5x 2.0x
Слободен со Пајпер, ВИТС, Мелотс
Тука ќе се појави вашиот генериран звук. Изберете модел, внесете текст и кликнете на Генерирај.
Аудио генериран успешно
0:00
Симни аудио Симнување.srt Врската истекува за 24 часа
Слободна ставка: лична употреба. Комерцијална дозвола од 5 долари/мо
Кажи им на пријателите!

За 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.

Најдобро за: Audiobooks, premium content, quality-first applications

Прелистувај ги сите Tortoise TTS гласови

На еден поглед

Развивач
James Betker
Лиценца
Apache 2.0
Ниво
premium
Брзина
slow
Гласовно клонирање
Да.
Јазици
English
Макс. знаци
2000

Tortoise TTS гласови

Random

English
Премиум Neutral

Tortoise TTS TTS — Прашања

It is autoregressive and uses a DALL-E-inspired architecture that deliberately prioritizes quality over speed. The trade-off is some of the most realistic open-source speech available, which is why it remains popular for audiobooks despite the wait.

Yes. It supports multi-voice synthesis and voice cloning; results improve with a longer reference, around fifteen seconds of clean audio.

Quality-first applications — audiobooks and premium narration — where its slow but highly realistic output is worth the generation time. It is English-focused and Apache 2.0 licensed.
← Сите гласови