VoxCPM TTS
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
Τυλίξτε το κείμενο σας σε ετικέτες EEML για τον ακριβή έλεγχο:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Ετικέτες το επιλεγμένο μοντέλο καταλαβαίνει □ κάντε κλικ για να ρίξετε ένα στο κείμενο σας όπου συμβαίνει:
Αυτό το μοντέλο διαβάζει απλό κείμενο, έτσι οι ετικέτες inline αγνοούνται. Για tag-based συναίσθημα, μεταβείτε σε ένα εκφραστικό μοντέλο όπως ο Ορφέας ή Bark.
Define custom προφορές (word = εκφώνηση):
Σχετικά 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.
Το καλύτερο για: High-fidelity audio, audiobooks, long-form content with voice consistency
Περιήγηση σε όλα VoxCPM φωνέςΜε μια ματιά.
- Προγραμματιστής
- OpenBMB
- Άδεια
- Apache 2.0
- Βαθμίδα
- standard
- Ταχύτητα
- fast
- Κλωνοποίηση φωνής
- Ναι.
- Γλώσσες
- English, Chinese
- Μεγ. χαρακτήρες
- 2000