Mots clés le modèle sélectionné comprend — cliquez pour en déposer un dans votre texte où il se produit:
Ce modèle lit du texte clair, donc les balises en ligne sont ignorées. Pour l'émotion basée sur les tags, passer à un modèle expressif comme Orphée ou Bark.
Mentionnée par Qwen3-TTS aujourd'hui; d'autres modèles expressifs arrivent bientôt.
Ce modèle ne prend pas en charge les instructions de style — passer à un modèle qui le fait (par exemple Qwen3-TTS).
Définir les prononciations personnalisées (mot = prononciation) :
-12
+12
Contrôle de l'expressivité (0 = neutre, 1 = très expressif)
Poids indicatif sans classificateur (plus élevé = suivi plus rapide)
Décrivez le style de la voix en langage naturel (Parler utilise ceci au lieu de voix prédéfinies)
Format de la boîte de dialogue : Utilisez les balises [S1] et [S2] pour marquer différents haut-parleurs. Exemple: [S1] Bonjour! [S2] Bonjour, comment allez-vous?
Il s'agit d'un modèle de voix premium, disponible sur n'importe quel forfait payant. Vous pouvez toujours prévisualiser ses voix gratuitement avec le bouton de lecture à côté du sélectionneur de voix.
VITS — Variational Inference with adversarial learning for end-to-end Text-to-Speech — was introduced by Jaehyeon Kim and collaborators in 2021 and became a foundational architecture for modern neural speech. Rather than the older two-stage pipeline, it synthesizes audio in a single parallel end-to-end pass, pairing a variational autoencoder with normalizing flows and a GAN-style adversarial training process to lift naturalness. At about 25M parameters and trained on ~585 hours, it produces natural prosody at fast inference speeds and supports multiple speakers. It serves as a solid general-purpose, free baseline and underpins many later models such as Piper and MeloTTS.
Meilleur pour: General-purpose text-to-speech with natural prosody
VITS means Variational Inference with adversarial learning for end-to-end Text-to-Speech. It generates audio in a single parallel pass using a variational autoencoder, normalizing flows, and adversarial (GAN) training, rather than a two-stage pipeline.
VITS is MIT-licensed and in the free tier. On TTS.ai, audio you make with it is for personal use on the free tier and can be used commercially on any paid plan.
On TTS.ai, VITS covers 11 languages including English, German, Spanish, French, Portuguese, Dutch, Finnish, Hungarian, Bulgarian, Japanese, and Polish, with multi-speaker support. It does not do voice cloning.
Entrez votre e-mail pour continuer à générer la parole gratuitement, ou inscrivez-vous pour 15 000 caractères bonus.
Pas de mot de passe nécessaire — nous vous enverrons un lien pour en définir un plus tard.
Limite de niveau libre atteinte
Vous avez utilisé vos 5 000 caractères quotidiens gratuits. Créez un compte gratuit pour obtenir 15 000 caractères bonus plus 10 000 caractères gratuits chaque mois.
Vous avez atteint votre limite de modèle libre. Mettez à niveau pour plus de caractères, ou achetez un pack de caractères pour utiliser des modèles premium.
