Etiquetas que o modelo escollido entende - prema para deixar unha no texto onde ocorre:
Este modelo le texto simple, polo que se ignoran as etiquetas inline. Para emocións baseadas en etiquetas, cambie a un modelo expresivo como Orpheus ou Bark.
Indicacións de entrega de linguaxe natural. Honrado por Qwen3- TTS hoxe; outros modelos expresivos en breve.
Este modelo non admite instrucións de estilo; cambie a un modelo que o faga (por ex. Qwen3- TTS).
Controla a expresividade (0 = neutro, 1 = moi expresivo)
Peso de guía libre de clasificadores (maior = máis seguimento)
Describa o estilo de voz en linguaxe natural (Parler usa isto no canto das voces predefinidas)
Formato do diálogo Dia: Empregue as etiquetas < code> [S1] e < code> [S2] para marcar diferentes oradores. Exemplo: < code> [S1] Ola! [S2] Ola, como está?
Este é un modelo de voz premium, dispoñíbel en calquera plan de pago. Pode previsualizar as súas voces gratuitamente co botón de reprodución xunto ao selector de voz.
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.
Mellor para: 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.
Introduza o seu correo electrónico para seguir xerando fala de balde, ou subscríbase para obter 15. 000 caracteres extra.
Non se precisa contrasinal — enviarémoslle unha ligazón para configurar un máis tarde.
Acadouse o límite de niveis libres
Esgotou os seus 5. 000 caracteres diarios gratuítos. Cree unha conta gratuíta para obter 15. 000 caracteres extra máis 10. 000 caracteres gratuítos cada mes.
