টেক্সট- থেকে- কথাName AI এজেন্ট সঙ্গীত বক্তৃতা থেকে টেক্সটName ভয়েস ক্লোন ভয়েস ডিজাইন বাজার আরো
বাগ / বৈশিষ্ট্য অনুরোধ প্রতিবেদন করো
VoxCPM

VoxCPM TTS

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

0/500 অক্ষর · প্রতি প্রজন্মে ৫,০০০ টাকার জন্য নিবন্ধন করুন →
নিবন্ধন করুন ৫,০০০ অক্ষরের সীমা

নির্দিষ্ট নিয়ন্ত্রণের জন্য আপনার লেখাকে এস- এস- এম- এল ট্যাগ- এ ঢোকাও:

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

নির্বাচিত মডেল যে ট্যাগগুলি বুঝে — আপনার লেখায় যেখানে তা ঘটে সেখানে একটি ট্যাগ স্থাপন করতে ক্লিক করুন:

এই মডেলটি প্লেইন টেক্সট পড়ে, তাই ইনলাইন ট্যাগগুলি উপেক্ষা করা হয়। ট্যাগ-ভিত্তিক আবেগ-প্রবণতার জন্য, Orpheus বা Bark-এর মত একটি প্রকাশক মডেলে পরিবর্তন করুন।

স্বনির্বাচিত উচ্চারণ নির্ধারণ করো (শব্দ = উচ্চারণ):

-12 +12
0.5x 2.0x
পাইপার, VITS, MeloTTS এর সাথে বিনামূল্যে
আপনার তৈরিকৃত অডিও এখানে দেখা যাবে। একটি মডেল বেছে নিন, টেক্সট লিখুন এবং তৈরি করো ক্লিক করুন।
অডিও সফলভাবে তৈরি করা হয়েছে
0:00
অডিও ডাউনলোড করো .srt ডাউনলোড করুন ২৪ ঘণ্টার মধ্যে লিঙ্কের মেয়াদ শেষ হবে
ফ্রি টাইর: ব্যক্তিগত ব্যবহারের জন্য। $5/মাসে বাণিজ্যিক লাইসেন্স
TTS.ai পছন্দ করেন? আপনার বন্ধুদের বলুন!

পরিচিতি 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.

এর জন্য সেরা: High-fidelity audio, audiobooks, long-form content with voice consistency

সব ব্রাউজ করুন VoxCPM শব্দ

এক নজরে

ডেভেলপার
OpenBMB
লাইসেন্স
Apache 2.0
টাইমার
standard
গতি
fast
শব্দের ক্লোন
হ্যাঁ
ভাষা
English, Chinese
সর্বোচ্চ অক্ষর
2000

VoxCPM শব্দ

Default

English
ডিফল্ট Neutral

Default Chinese

Chinese
ডিফল্ট Neutral

VoxCPM TTS - ফ্যাক্টস

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.
← সব শব্দ