VoxCPM

Default

मुलभूत इंग्लिशName Neutral VoxCPM

Default हे neutral AI आवाज आहे जे VoxCPM पाठ्य- ते- वक्तव्य मॉडेल द्वारे चालविले जाते. हा मानक स्तर आवाज इंग्लिशName बोलतो व स्टुडिओ- गुणवत्तेचे वक्तव्य संश्लेषण पुरवतो. याचा अर्थ असा की, जर द्रव्याचे द्रव्यमान व त्याचे गुरुत्व यांचे गुणोत्तर ५ असेल तर ते द्रव्यमान द्रव्यमान असते. यामुळे यंत्राच्या वापरात सुधारणा झाली व यंत्राचा वापर सुरक्षित बनला. मुख्य लेख: तत्त्वज्ञानातील संकल्पना VoxCPM मॉडेल सुद्धा आवाज क्लोनिंगला समर्थन देते - एकच गुणवत्ता गुणधर्म राखून ठेवणारा एक इच्छिक आवाज तयार करण्यासाठी एक छोटा ऑडिओ नमूना अपलोड करा.

अद्याप दर्जा नाही

VoxCPMआवृत्ती माहिती

मॉडेल VoxCPM
डेव्हलपर OpenBMB
गुणवत्ता
वेग ठराविक
परवाना Apache 2.0
क्लोन करत आहे समर्थीत
जानेवारी चा मानक (2 क्रेडिट/ 1K अक्षरे)
परिमाणे 500M
आर्किटेक्चर Continuous Space + Flow Matching
प्रशिक्षण माहिती 1800000 तास
वर्ष 2025

सर्वोत्तम वापराचे प्रकार Default

या आवाजाच्या वैशिष्ट्यांवर आधारीत अनुप्रयोग

ऑडिओबुक व कथनName

याचे कारण म्हणजे या कोशात अनेक प्रकारचे शब्द व शब्दसमूह आहेत.

व्हिडीओ आवाज

याशिवाय, मराठी चित्रपट, दूरचित्रवाणी मालिका, सामाजिक विषयांवरील पुस्तके, वगैरे प्रकाशित केली.

अनुप्रयोग व प्राप्यताName

Fast generation makes this voice ideal for real-time apps, screen readers, and accessibility tools.

पॉडकास्ट व प्रसारणName

यासाठी वृत्तपत्रे, रेडिओ, दूरचित्रवाणी या माध्यमांचा वापर केला जातो.

अधिक VoxCPM आवाज

समान TTS मॉडेल पासून इतर आवाज

Default Chinese

चीनीName Neutral

वारंवार विचारले जाणारे प्रश्न

VoxCPM 1.5 OpenBMB द्वारे एक नवीन टोकनाइजर-मुक्त TTS मॉडेल आहे जे विभक्त टोकनऐवजी सततच्या अंतरात कार्य करते. ते उच्च-विश्वासू 44.1kHz ऑडिओ तयार करते,3- 10 सेकंद पासून शून्य-शॉट आवाज क्लोनिंगला समर्थन देते, आणि अनुच्छेद दरम्यान एकसमानता राखते. क्रॉस-भाषा क्लोनिंग तुम्हाला चिनी भाषणासाठी इंग्रजी आवाज लागू करण्यास परवानगी देते आणि उलट.

वॉक्ससीपीएम ओपनबीएमबीने विकसित केले आहे आणि अपाची २.

गूगल प्ले स्टोअरवर दोन भाषा उपलब्ध आहेत: इंग्रजी आणि चिनी.

VoxCPM मानक स्तरावर आहे -2प्रति 1,000 अक्षरे. तुम्ही पूर्ण ऑडिओ निर्माण करण्यापूर्वी कोणत्याही VoxCPM आवाजाचा मोफत पूर्वदृश्य घेऊ शकता.

VoxCPM ची निर्मिती वेग अतिशय जलद आहे. ते जवळजवळ वास्तविक वेळेत चालते, त्यामुळे ते स्ट्रीमिंग व परस्पर क्रिया अनुप्रयोगांसाठी योग्य बनते.

TTS.ai वर ऑडिओ गुणवत्तेसाठी VoxCPM ला 5/5 गुण मिळाले आहेत. ते स्टुडिओ-ग्रेड, मानवी-सारखे भाषण पुरवते.

होय, VoxCPM शून्य-शॉट आवाज क्लोनला समर्थन देतो. इच्छिक आवाज बनविण्याकरीता 5-30 सेकंद संदर्भ ऑडिओ अपलोड करा.

होय, VoxCPM विशेषतः उच्च- विश्वासार्ह ऑडिओ, ऑडिओबुक, आवाज स्थिरतेसह लांब-रूप सामग्रीसाठी शिफारस केली जाते. त्याचे 44.1khz ऑडिओ, टोकनाइजर-मुक्त, क्रॉस-भाषा क्लोनिंग क्षमता या वापरासाठी एक उत्कृष्ट निवड करते.

होय, VoxCPM ला Apache 2.0 अंतर्गत परवाना आहे, ज्यामुळे व्यावसायिक वापरास परवानगी मिळते. VoxCPM आवाजांसह निर्माण केलेले ऑडिओ व्हिडिओ, पॉडकास्ट, अनुप्रयोग, खेळ, आणि इतर कोणत्याही व्यावसायिक प्रकल्पात वापरले जाऊ शकते.

होय, TTS.ai वरील सर्व आवाज व्यावसायिक-लाइसेन्स ओपन-सोर्स मॉडेल (MIT, Apache 2.0) वापरतात. निर्माण झालेले ऑडिओ व्हिडीओ, पॉडकास्ट, ऍप, खेळ, व इतर कोणत्याही व्यावसायिक अनुप्रयोगात वापरण्याकरीता तुमच्याकडे आहे.

/api/v1/tts/ याकडे मॉडेल नाव आणि आवाज ID सह POST विनंती पाठवा. पायथन, JavaScript, Go, आणि cURL मधील कोड उदाहरणांसाठी आमचे API दस्तऐवजीकरण पान पहा.

होय, या पानावरील चालवा बटणावर क्लिक करा, उदाहरण ऐकण्याकरीता. तुम्ही पाठ्य ते वक्तव्य पानावर इच्छिक पाठ्य टाइप करू शकता व कोणत्याही आवाजासह मोफत पूर्वदृश्य निर्माण करू शकता.

प्रयत्न करा Default आता

कुठलेही पाठ्य टाइप करा व ते ऐकाName Default. वापरण्यासाठी मोफत.