VoxCPM TTS
A tokenizer-free TTS model that works in continuous space, outputs 44.1kHz audio, and stays consistent across paragraphs.
Kääri tekstisi SSML-tunnisteisiin tarkan valvonnan varmistamiseksi:
<speak><prosody rate="slow">Slow speech</prosody></speak>
Merkitse valittu malli ymmärtää – klikkaa pudottaaksesi yhden tekstiisi, missä se tapahtuu:
Tässä mallissa lukee pelkkää tekstiä, joten rivitunnisteet jätetään huomiotta. Jos haluat tag-pohjaisen tunteen, vaihda ilmaisukykyiseen malliin, kuten Orfeus tai Bark.
Määrittele custom-äänet (sana = ääntäminen):
Tietoja 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.
Paras: High-fidelity audio, audiobooks, long-form content with voice consistency
Selaa kaikkia VoxCPM äänetSilmäyksellä
- Kehittäjä
- OpenBMB
- Lisenssi
- Apache 2.0
- Määrittämistaso
- standard
- Nopeus
- fast
- Äänien kloonaus
- Kyllä
- Kielet
- English, Chinese
- Maksimimerkit
- 2000