લખાણને બોલવામાંName AI એજન્ટો સંગીત ઓડિયો થી લખાણ અવાજ ક્લોનિંગ અવાજ ડિઝાઇન માર્કેટપ્લેસ વધુ
VibeVoice

Speaker 2

મૂળભૂત અંગ્રેજી Neutral VibeVoice

Speaker 2 એ neutral AI અવાજ છે જે VibeVoice લખાણ-થી-ભાષણ મોડેલ દ્વારા શક્તિમાન છે. આ મૂળભૂત સ્તર અવાજ અંગ્રેજી બોલે છે અને સ્ટુડિયો-ગુણવત્તાવાળા ભાષણ સંયોજનને પૂરુ પાડે છે. નજીક-તરત ઉત્પન્ન ઝડપ અને 5/5 ની ગુણવત્તા રેટિંગ સાથે, Speaker 2 podcasts, dialogues, long-form narration, multi-speaker content માટે સારી રીતે યોગ્ય છે. VibeVoice એન્જિન Microsoft under the MIT license દ્વારા વિકસિત થયેલ છે, તેને વાણિજ્યિક વપરાશ માટે સુરક્ષિત બનાવે છે. મુખ્ય ક્ષમતાઓને સમાવે છે: {વિશિષ્ટતાઓ}.

હજુ કોઈ રેટિંગ નથી
આ અવાજનો પ્રયત્ન કરો બધા VibeVoice અવાજ

VibeVoiceમોડેલ જાણકારી

મોડેલ VibeVoice
ડેવલોપર Microsoft
ગુણવત્તા
ઝડપ સ્થિર
લાઇસન્સ MIT
ક્લોન કરી રહ્યા છીએ ઉપલબ્ધ નથી
તૈર પ્રમાણભૂત (૨ ક્રેડિટ્સ/૧K અક્ષરો)
પરિમાણો 1.5B
આર્કિટેક્ચર LLM + DAC
તાલીમ માહિતી 100000 કલાક
વર્ષ 2025

માટે શ્રેષ્ઠ ઉપયોગ કેસ Speaker 2

આ અવાજની લાક્ષણિકતાઓ પર આધારિત સૂચવેલ કાર્યક્રમો

ઓડિયોબુક્સ અને વાર્તાલાપ

Speaker 2 ને લાંબા-રૂપના સમાવિષ્ટોને કુદરતી પ્રોસોડી અને અભિવ્યક્તિ સાથે વર્ણવવા માટે વાપરો.

વિડીયો વૉઇસઓવર

YouTube વિડિઓઝ, જાહેરાતો, અને સામાજિક મીડિયા સમાવિષ્ટોમાં વ્યાવસાયિક વાર્તાલાપ ઉમેરો.

કાર્યક્રમો અને સુલભતા

ઝડપી ઉત્પન્ન કરવું આ અવાજને વાસ્તવિક સમયની કાર્યક્રમો, સ્ક્રીન વાંચકો, અને સુલભતા સાધનો માટે આદર્શ બનાવે છે.

પોડકાસ્ટ્સ અને પ્રસારણ

સ્ટુડિયો- ગુણવત્તા આઉટપુટ પોડકાસ્ટ, રેડિયો, અને વ્યાવસાયિક પ્રસારણ માટે યોગ્ય છે.

વધુ VibeVoice અવાજ

એ જ TTS મોડેલમાંથી બીજા અવાજો

Speaker 1

અંગ્રેજી Neutral

Speaker 1 (Chinese)

ચાઇનીઝ Neutral

Speaker 2 (Chinese)

ચાઇનીઝ Neutral

Speaker 3

અંગ્રેજી Neutral

Speaker 4

અંગ્રેજી Neutral
બધું જુઓ VibeVoice અવાજ

વારંવાર પૂછાતા પ્રશ્નો

Microsoft વાઈબવૉઇસ બે પ્રકારોમાં આવે છે: લાંબા-રૂપ સમાવિષ્ટો માટે 1.5B મોડેલ (90 મિનિટ સુધી,4સ્પીકર) અને ~200ms પ્રથમ ઓડિયો લેટેન્સી સાથે સ્ટ્રીમિંગ માટે રીઅલટાઇમ 0.5B મોડેલ. 1.5B પ્રકાર પોડકાસ્ટ અને ઓડિયોબુક્સ પર લાંબા પાસાઓ પર સ્પીકર સુસંગતતા સાથે ઉત્તમ છે. નોંધ: Microsoft એ TTS કોડને રિપોઝીટરીમાંથી દૂર કર્યો અને ઉત્પન્ન થયેલ ઓડિયો એ સાંભળવા માટે AI નિરાકરણો સમાવે છે.

વાઇબવૉઇસને માઇક્રોસોફ્ટ દ્વારા વિકસાવવામાં આવ્યું હતું અને MIT (સંશોધન-માત્ર ઇચ્છા) લાઇસન્સ હેઠળ બહાર પાડવામાં આવ્યું છે, જે ઉત્પન્ન થયેલ ઓડિયોનો વાણિજ્યિક ઉપયોગ કરવાની પરવાનગી આપે છે.

VibeVoice ૧ ભાષાને આધાર આપે છે: અંગ્રેજી.

VibeVoice એ પ્રીમિયમ સ્તર પર છે - ૧,૦૦૦ અક્ષરો માટે ૪ ક્રેડિટ્સ. તમે સંપૂર્ણ ઓડિયો બનાવવા પહેલાં કોઈપણ VibeVoice અવાજનું મુક્તપણે પૂર્વદર્શન કરી શકો છો.

VibeVoice ની ઉત્પન્ન કરવાની ઝડપ મધ્યમ છે. ઉત્પન્ન કરવા માટે સામાન્ય રીતે લખાણની લંબાઈ પર આધાર રાખીને થોડી સેકન્ડો લે છે.

VibeVoice એ TTS.ai પર ઓડિયો ગુણવત્તા માટે 5/5 નું રેટિંગ ધરાવે છે. તે સ્ટુડિયો-ગુણવત્તા, માનવ-સહજ ભાષા પૂરી પાડે છે.

ના, VibeVoice એ અંદરના અવાજોનું ચોક્કસ સમૂહ વાપરે છે. અવાજો ક્લોન કરવા માટે, CosyVoice ૨, GPT-SoVITS, અથવા Chatterbox જેવા મોડેલોનો પ્રયત્ન કરો.

હા, VibeVoice એ પોડકાસ્ટ્સ, ઓડિયોબુક્સ, લાંબા-રૂપના બહુ-સ્પીકર સમાવિષ્ટો માટે ખાસ કરીને ભલામણ કરેલ છે. તેની બહુ-સ્પીકર, ૯૦ મિનિટ સુધી, પોડકાસ્ટ ઉત્પન્ન કરવાની ક્ષમતા તેને આ ઉપયોગ કેસ માટે ઉત્તમ પસંદગી બનાવે છે.

હા, VibeVoice એ MIT (research-only intent) ની નીચે લાઇસન્સ થયેલ છે, જે વાણિજ્યિક વપરાશને પરવાનગી આપે છે. VibeVoice અવાજ સાથે ઉત્પન્ન થયેલ ઓડિયો વિડિયો, પોડકાસ્ટ, એપ્લિકેશનો, રમતોમાં અને કોઈપણ અન્ય વાણિજ્યિક પ્રોજેક્ટમાં વપરાય છે.

હા, TTS.ai પરના બધા અવાજો વેપારિક-લાઇસન્સ થયેલ ઓપન-સોર્સ મોડેલો (MIT, Apache 2.0) વાપરે છે. ઉત્પન્ન થયેલ ઓડિયો વિડિઓઝ, પોડકાસ્ટ્સ, એપ્લિકેશનો, રમતોમાં અને કોઈપણ અન્ય વેપારિક કાર્યક્રમમાં વાપરવા માટે તમારો છે.

મોડેલ નામ અને અવાજ ID સાથે /api/v1/tts/ ને POST વિનંતી મોકલો. Python, JavaScript, Go, અને cURL માં કોડ ઉદાહરણો માટે અમારા API દસ્તાવેજીકરણ પાનું જુઓ.

હા, નમૂનો સાંભળવા માટે આ પાના પર વગાડો બટન પર ક્લિક કરો. તમે લખાણથી બોલવાનું પાના પર વૈવિધ્યપૂર્ણ લખાણ પણ લખી શકો છો અને કોઈપણ અવાજ સાથે મુક્ત પૂર્વદર્શન બનાવી શકો છો.

પ્રયત્ન કરો Speaker 2 હવે

કોઇપણ લખાણ લખો અને તેને બોલતા સાંભળો Speaker 2. વાપરવા માટે મુક્ત.

ભાષણ બનાવો મફત નોંધણી કરો