VITS

VITS TTS

The end-to-end TTS architecture that combines a variational autoencoder, normalizing flows, and adversarial training.

תחתמי. עבור 5,000 מגבלה של תווים

לעטוף את הטקסט שלך בתגי SSML לשליטה מדויקת:

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

שם התוויות של המודל הנבחר הוא □ לחץ כדי להפיל אחד לתוך הטקסט שלך שבו הוא קורה:

המודל הזה קורא טקסט רגיל, כך שמתעלמים מתגי ההצפנה של רגש מבוסס תג, עבור מודל אקספרסיבי כמו אורפיאוס או ברק.

הגדר הגייה מותאמת אישית (מילה = הגייה):

-12 +12
0.5x 2.0x
חינם עם פייפר, VITS, Melotts
הקול שנוצר יופיע כאן. בחר דגם, הזן טקסט, ולחץ על יצירתו.
הקול נוצר בהצלחה
0:00
הורד שמע הורדה. srt הלינק פג ב-24 שעות.
שורה חופשית: שימוש אישי. רישיון מסחרי מ-5/מו.
אוהב את ט.ט.ס.אי?

אודות VITS

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.

הטוב ביותר עבור: General-purpose text-to-speech with natural prosody

עיין בכל VITS קולות

במבט חטוף

מפתח
Jaehyeon Kim et al.
רישיון
MIT
Tier
free
מהירות
fast
שיבוט קולי
לא.
שפות
English, German, Spanish, French, Portuguese, Dutch, Finnish, Hungarian, Bulgarian, Japanese, Polish
תווים מרביים
2000

VITS קולות

CSS10 (Dutch)

Dutch
חופשי Neutral

CSS10 (Finnish)

Finnish
חופשי Neutral

CSS10 (French)

French
חופשי Neutral

CSS10 (German)

German
חופשי Neutral

CSS10 (Hungarian)

Hungarian
חופשי Neutral

CSS10 (Spanish)

Spanish
חופשי Neutral

Common Voice (Bulgarian)

Bulgarian
חופשי Neutral

Common Voice (Portuguese)

Portuguese
חופשי Neutral

Default

English
חופשי Neutral

MAI (Polish)

Polish
חופשי Female

MAI (Ukrainian)

Ukrainian
חופשי Neutral

VITS TTS □ FAQ

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.

Yes. VITS is MIT-licensed and in the free tier, so it can be used commercially.

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.
← כל הקולות