টেক্সট-টু-স্পীচName এজেন্টসমূহ সঙ্গীত অডিঅ'ক টেক্সটলৈ ধ্বনি ক্লোনিং ধ্বনি বিন্যাস বজাৰৰ স্থান অধিক
বাগ / বৈশিষ্ট্য অনুৰোধ প্ৰতিবেদন কৰক
VoxCPM

VoxCPM TTS

A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.

0/500 আখৰ · প্ৰতি প্ৰজন্মত ৫,০০০ টকাৰ বাবে নিবন্ধন কৰক →
নিবন্ধন কৰক ৫,০০০ আখৰৰ বাবে সীমা

সঠিক নিয়ন্ত্ৰণৰ বাবে SSML টেগসমূহত আপোনাৰ টেক্সট আৱৰণ কৰক:

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

নিৰ্বাচিত মডেলে বুজি পোৱা টেগসমূহ - আপোনাৰ টেক্সটত এটা ড্ৰপ কৰিবলৈ ক্লিক কৰক য'ত ই ঘটে:

এই আৰ্হি প্লেইন টেক্সট পঢ়ে, গতিকে ইনলাইন টেগসমূহ উপেক্ষা কৰা হয়। টেগ-ভিত্তিক আবেগসমূহৰ বাবে, Orpheus বা Bark ৰ দৰে এটা অভিব্যক্তিমূলক আৰ্হিলৈ পৰিবৰ্তন কৰক।

স্বনিৰ্বাচিত উচ্চাৰণ নিৰ্ধাৰণ কৰক (শব্দ = উচ্চাৰণ):

-12 +12
0.5x 2.0x
Piper, VITS, MeloTTS ৰ সৈতে মুক্ত
আপোনাৰ নিৰ্মিত অডিঅ' ইয়াত প্ৰদৰ্শিত হ'ব। এটা মডেল বাছক, টেক্সট লিখক, আৰু নিৰ্মাণ কৰক ক্লিক কৰক।
সফলতাৰে অডিঅ' নিৰ্মাণ কৰা হৈছে
0:00
অডিঅ' ডাউনল'ড কৰক .srt ডাউনল'ড কৰক ২৪ ঘন্টাত লিঙ্কৰ মেয়াদ উত্তীৰ্ণ হ'ব
মুক্ত স্তৰ: ব্যক্তিগত ব্যৱহাৰৰ বাবে। $5/মাহ পৰা বাণিজ্যিক লাইচেঞ্চ
TTS.ai ভাল পায়? আপোনাৰ বন্ধুসকলক কওক!

বিষয়ে VoxCPM

VoxCPM 1.5 by OpenBMB takes an unusual approach: instead of converting speech into discrete tokens, it operates directly in continuous space, which helps it preserve fine acoustic detail. It produces high-fidelity 44.1kHz audio, supports zero-shot voice cloning from three to ten seconds of reference, and maintains a consistent voice across long passages — a common failure point for other models on multi-paragraph text. Its cross-language cloning lets an English reference voice speak Chinese and vice versa. With Apache 2.0 licensing and LoRA fine-tuning support, it is well suited to audiobooks and long-form content where voice consistency over many paragraphs is essential.

ইয়াৰ বাবে সৰ্বোত্তম: High-fidelity audio, audiobooks, long-form content with voice consistency

সকলো ব্ৰাউছ কৰক VoxCPM শব্দ

এটা চমু দৃষ্টি

বিকাশক
OpenBMB
অনুমতি
Apache 2.0
টাইৰ
standard
গতি
fast
শব্দ ক্লোনিং
হ্যাঁ
ভাষাসমূহ
English, Chinese
সৰ্বাধিক আখৰ
2000

VoxCPM শব্দ

Default

English
অবিকল্পিত Neutral

Default Chinese

Chinese
অবিকল্পিত Neutral

VoxCPM TTS - প্ৰায়শই সোধা প্ৰশ্নসমূহ

Rather than discretizing speech into tokens, VoxCPM models audio in continuous space using flow matching. This helps it retain subtle acoustic detail and produce clean 44.1kHz output.

Yes. It is specifically designed to keep the voice consistent across paragraphs, which makes it well suited to audiobooks and other long passages where other models tend to drift.

Yes. It supports cross-lingual cloning between English and Chinese — for example applying an English reference voice to Chinese speech — from three to ten seconds of audio.
← সকলো শব্দ