VoxCPM TTS
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
Ang yuta palibot sa Ssm kay medyo kabukiran.
<speak><prosody rate="slow">Slow speech</prosody></speak>
Ang mga tag sa gipili nga modelo makasabut - i-klik aron ihulog ang usa sa imong teksto diin kini mahitabo:
Ang modelong kini mobasa sa yano nga teksto, busa ang mga inline tags gi-ignore. Alang sa mga tag-based nga emosyon, i-usab sa usa ka ekspresyonal nga modelo sama sa Orpheus o Bark.
Ang yuta palibot sa Cerro La Pronunciación kay lain-lain.
Sa palibot sa Aïn el Aïd. 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.
Sa palibot sa Best.: High-fidelity audio, audiobooks, long-form content with voice consistency
Lawak ang lahat VoxCPM TingogSa palibot sa Glance.
- Pag-uswag
- OpenBMB
- Lisensiya
- Apache 2.0
- Tigre
- standard
- Katulin
- fast
- Sa palibot sa Klondike.
- Sa palibot sa Jabal al Muḩallaqta.
- Linguistics
- English, Chinese
- Maksimum nga mga karakter
- 2000